Deep learning和tensorflow学习记录（十九）：tf.contrib.data.map_and_batch

tf.contrib.data.map_and_batch(
    map_func,
    batch_size,
    num_parallel_batches=None,
    drop_remainder=False,
    num_parallel_calls=None

)

定义于：tensorflow/contrib/data/python/ops/batching.py。

复合实现map和batch。
map_func横跨dataset的batch_size个连续元素，然后将它们组合成一个batch。在功能上，它相当于map 后面跟着batch。但是，通过将两个转换融合在一起，实现可以更有效。在API中展示此转换是暂时的。一旦自动输入管道的优化实现了，map和batch的融合会自动发生，这个API将被弃用。

参数：

map_func：将tensor的嵌套结构映射到另一个tensor嵌套结构的函数。

batch_size：tf.int64，标量tf.Tensor，表示要在此数据集合并的单个batch中的连续元素数。

num_parallel_batches:(可选）tf.int64，标量tf.Tensor，表示要并行创建的batch数。一方面，较高的值可以帮助减轻落后者的影响。另一方面，如果CPU空闲，较高的值可能会增加竞争。

drop_remainder:(可选）tf.bool，标量tf.Tensor，表示是否应丢弃最后一个batch，以防其大小小于所需值; 默认行为是不删除较小的batch。

num_parallel_calls:(可选）tf.int32，标量tf.Tensor，表示要并行处理的元素数。如果未指定，则将并行处理batch_size * num_parallel_batches个元素。

返回：
一个Dataset转换函数，它可以传递给 tf.data.Dataset.apply。