如何在tf.data.Dataset中输入不同大小的列表列表

Question

我有一长串的整数列表（代表每个不同大小的句子）我想用tf.data库提供。每个列表（列表列表）都有不同的长度，我得到一个错误，我可以在这里重现：

t = [[4,2], [3,4,5]]
dataset = tf.data.Dataset.from_tensor_slices(t)

我得到的错误是：

ValueError: Argument must be a dense tensor: [[4, 2], [3, 4, 5]] - got shape [2], but wanted [2, 2].

有没有办法做到这一点？

编辑1：为了清楚，我不想填写列表的输入列表（它是包含超过一百万个元素的句子列表，具有不同的长度）我想使用tf.data库来提供，在一个正确的方式，一个不同长度的列表列表。

Answer 1

您可以使用tf.data.Dataset.from_generator()将任何可迭代的Python对象（如列表列表）转换为Dataset：

t = [[4, 2], [3, 4, 5]]

dataset = tf.data.Dataset.from_generator(lambda: t, tf.int32, output_shapes=[None])

iterator = dataset.make_one_shot_iterator()
next_element = iterator.get_next()

with tf.Session() as sess:
  print(sess.run(next_element))  # ==> '[4, 2]'
  print(sess.run(next_element))  # ==> '[3, 4, 5]'

Answer 2

我不认为tensorflow支持在给定维度上具有不同数量元素的张量。

但是，一个简单的解决方案是使用尾随零填充嵌套列表（必要时）：

t = [[4,2], [3,4,5]]
max_length = max(len(lst) for lst in t)
t_pad = [lst + [0] * (max_length - len(lst)) for lst in t]
print(t_pad)
dataset = tf.data.Dataset.from_tensor_slices(t_pad)
print(dataset)

输出：

[[4, 2, 0], [3, 4, 5]]
<TensorSliceDataset shapes: (3,), types: tf.int32>

对于模型来说，零应该不是一个大问题：在语义上它们只是在每个实际句子列表末尾的额外大小为零的句子。

Answer 3

除了@ mrry的答案之外，如果你想创建（图像，标签）对，也可以使用以下代码：

import itertools
data = tf.data.Dataset.from_generator(lambda: itertools.izip_longest(images, labels),
                                      output_types=(tf.float32, tf.float32),
                                      output_shapes=(tf.TensorShape([None, None, 3]), 
                                                     tf.TensorShape([None])))

iterator = dataset.make_one_shot_iterator()
next_element = iterator.get_next()

with tf.Session() as sess:
    image, label = sess.run(next_element)  # ==> shape: [320, 420, 3], [20]
    image, label = sess.run(next_element)  # ==> shape: [1280, 720, 3], [40]