vault backup: 2023-11-09 14:31:31

05. 資料收集/Keras.tensorflow - Dataset.md

@@ -2,9 +2,9 @@
 dataset 會有 `data_batch` 與 `label_batch` 這兩個 member，分別代表資料與標籤。
 可以用 `dataset.batch(32)` 改變 batch size。
 還有一些其他的有用function:
-- `shuffle(buffer_size)`: 打亂順序
+- `shuffle(buffer_size)`: 打亂順序，可參考[[Keras.tensorflow - shuffle#^832c8c]]
 - `prefetch(buffer_size)`: 設定預讀的大小
 - `map(callback_func)`: 用 callback_func 來處理資料
 - `take(N)`: 取出第N筆的批次資料，注意這一筆是一個批次資料，裡面可能有32筆資料（或其他數量，看你的 `dataset.batch(N)` 怎麼設定）。
 
-## 用
+打亂data的方法，請看[[Keras.tensorflow - shuffle]]

05. 資料收集/Keras.tensorflow - shuffle.md

@@ -10,7 +10,10 @@ y_data = tf.gather(y_data, idx)
 
 先建立一個跟array一樣大的list，然後打亂它，再用這個已打亂的list當作索引來建立一個新的data list。
 
-## 2. 
+## 2. 用 `Dataset.shuffle`
+
+^832c8c
+
 ```python
 x_train = tf.data.Dataset.from_tensor_slices(x)
 y_train = tf.data.Dataset.from_tensor_slices(y)
@@ -31,4 +34,4 @@ x_train, y_train = shuffling(x_train, BF, SEED), shuffling(y_train, BF, SEED)
 dataset = tf.data.Dataset.from_tensor_slices((x_train, y_train))
 ```
 
-概念跟第一點是一樣的，但是這是先轉成 `tf.data.Dataset`，然後把x_train跟y_train都用同樣的seed打亂。
+概念跟第一點是一樣的，但是這是先轉成 `tf.data.Dataset`，然後把x_train跟y_train都用同樣的seed打亂。