Python TF2.0数据API从每个类标签获取n_i个样本

我必须使用TF2 Keras模型将32x32形状的输入分为3类。我的训练集有7000个例子

>>> X_train.shape # (7000, 32, 32)
>>> Y_train.shape # (7000, 3)

每个类别的示例数量各不相同（例如，类别0有约2500个示例，类别1有约800个示例，等等）

我想使用tf.data API创建一个dataset对象，该对象返回成批的训练数据，其中包含

[n_0，n_1，n_2]

指定的每个类的示例数

我想从每个班级中随机抽取这些样本，并从

X\u序列、Y\u序列中进行替换

例如，如果我调用
get\u batch（[100150125]）
它应该从类0的
X\u batch
返回100个随机样本，从类1返回150个，从类2返回125个

如何使用TF2.0数据API实现这一点，以便我可以使用它来训练Keras模型？
Keras'实际上有一个参数。虽然它不允许您选择精确数量的样本，但它会从类中均匀地选择它们

X_train_stratified, X_test_stratified, y_train_strat, y_test_strat = train_test_split(X_train, y_train, test_size=0.2, stratify=y)

如果要进行交叉验证，还可以使用

我希望我正确地理解了您的问题
一种可能的方法是如下进行：

将
X\u列
和
Y\u列
中的数据加载到单个
tf.data
数据集中，以确保每个
X
与正确的
Y
匹配
.shuffle（）
然后使用
过滤器（）将数据集拆分为每个
n_i

编写我们的
get_batch
函数，从每个数据集中返回正确数量的样本，
shuffle（）
样本，然后将其拆分回
X
和
Y
大概是这样的：

#1：将数据加载到数据集中
原始数据=tf.data.Dataset.zip(
(
tf.data.Dataset.from_tensor_切片（X_序列），
tf.data.Dataset.from_tensor_切片（Y_序列）
)
).shuffle（7000）
#2：对每个类别进行拆分
def get_过滤器（n）：
def过滤器（x，y）：
返回tf.equal（1.0，y[n]）
返回过滤器
n_0s=原始数据。过滤器（获取过滤器（0））
n_1s=原始数据过滤器（获取过滤器（1））
n_2s=原始数据过滤器（获取过滤器（2））
# 3:
def get_批次（n_0、n_1、n_2）：
sample=n_0s.take（n_0）.连接（n_1s.take（n_1））.连接（n_2s.take（n_2））
shuffled=sample.shuffle（n_0+n_1+n_2）
返回洗牌.map（λx，y:x），洗牌.map（λx，y:y）

现在我们可以做：

x_批，y_批=获取_批（100150125）

请注意，我在这里使用了一些可能会浪费的操作，采用了一种我觉得直观而直接的方法（特别是在过滤操作中读取
raw_数据
dataset 3次）因此，我不认为这是实现所需功能的最有效方法，但对于像您描述的那样适合内存的数据集，我相信这种低效率可以忽略不计