Python 3.x 如何使用tf.data.Dataset.interleave从tf2中的多个数据集对象中进行子采样?
我尝试复制使用tf.data.Dataset.interleave发布的解决方案,但不太确定如何将interleave方法应用于已创建的数据集对象。 代码如下:Python 3.x 如何使用tf.data.Dataset.interleave从tf2中的多个数据集对象中进行子采样?,python-3.x,tensorflow-datasets,tensorflow2.x,subsampling,Python 3.x,Tensorflow Datasets,Tensorflow2.x,Subsampling,我尝试复制使用tf.data.Dataset.interleave发布的解决方案,但不太确定如何将interleave方法应用于已创建的数据集对象。 代码如下: import tensorflow as tf import numpy as np # preparing data train, test = tf.keras.datasets.fashion_mnist.load_data() images, labels = train images = images/255 datase
import tensorflow as tf
import numpy as np
# preparing data
train, test = tf.keras.datasets.fashion_mnist.load_data()
images, labels = train
images = images/255
dataset = tf.data.Dataset.from_tensor_slices((images, labels))
class0=lambda features, label: label==0
class1=lambda features, label: label==1
class2=lambda features, label: label==2
ds_0=dataset.filter(class0)
ds_1=dataset.filter(class1)
ds_2=dataset.filter(class2)
我想通过从ds_0、ds_1和ds_2中进行相等采样来创建一个数据集。我应该传递什么作为map\u func