TensorFlow的优秀的Dataset抽象可以使用谓词进行过滤：

filter filter(predicate) 根据谓词过滤此数据集。

Args: predicate: 一个函数，将嵌套结构的张量（形状和类型由self.output_shapes和self.output_types定义）映射到标量tf.bool张量。

这非常强大，因为谓词允许您根据数据集内容进行过滤。

问题是：是否有可能实现过滤的“相反”操作：例如，过采样？

似乎无法通过take()实现，因为它不依赖于数据集内容：

take take(count) 创建一个包含来自此数据集的至多count个元素的数据集。

Args: count: 一个tf.int64标量tf.Tensor，表示应从此数据集取出的元素数量以形成新数据集。如果count为-1，或者count大于此数据集的大小，新数据集将包含此数据集的所有元素。

回答：

TensorFlow目前并未提供此类功能，但您可以使用flat_map实现您想要的结果。在这种情况下，对于输入数据集的每个元素，您创建一个新的数据集（tf.data.Dataset.from_tensors），该数据集生成此单个样本的多个副本（.repeat）。

例如：

将打印

原始数据集重复[(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)]重复后展开[1, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 4, 4, 5]

或者，您可以使用.interleave实现相同的结果，但可以混合多个样本的副本（.flat_map是.interleave的一个特例）。例如：

dataset = tf.data.Dataset.from_tensor_slices((np.array([1,2,3,4,5]), np.array([5,4,3,2,1])))dataset = dataset.interleave(lambda v, r: tf.data.Dataset.from_tensors(v).repeat(r), 4, 1)print('重复后展开并进行少许确定性混合')print(run(dataset))

将打印

重复后展开并进行少许确定性混合[1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 1, 2, 5, 1]