Кэш набора в TensorFlow

Если набор полностью помещается в память и его содержимое не меняется, метод cache сохраняет примеры после первого прохода. Повторный обход читает уже сохранённые значения.

Создадим набор из трёх чисел, закэшируем его и дважды соберём элементы в списки:

import tensorflow as tf

values = tf.data.Dataset.from_tensor_slices(
	[1, 2, 3]
)
cached = values.cache()
first = [int(x) for x in cached]
second = [int(x) for x in cached]
print(first)
print(second)
# выведет [1, 2, 3] и снова [1, 2, 3]

Тот же порядок сохраняется при поэлементном выводе:

import tensorflow as tf

values = tf.data.Dataset.from_tensor_slices(
	[1, 2, 3]
)
cached = values.cache()
for item in cached:
	print(item.numpy())
# выведет 1, 2 и 3 по строкам

Из ряда [4, 5, 6] соберите набор, сохраните его в памяти и дважды подряд соберите все элементы в списки. Выведите оба списка.

Создайте набор из [10, 20], закрепите его в памяти и выведите каждое число отдельной строкой.

Соберите набор из [1, 2, 3, 4], сохраните содержимое после первого обхода и сравните два списка, полученных при двух последовательных обходах.