读

类:matlab.io.datastore.MiniBatchable
包:matlab.io.datastore

从小型批处理数据存储中读取数据

全部展开页面

的读的方法matlab.io.datastore.MiniBatchable不推荐使用。有关更多信息，请参见兼容性的考虑。

语法

数据=读取(ds)

[data,info] = read(ds)

描述

数据=阅读(ds）从小型批处理数据存储返回数据。后续对读函数从上次调用的端点继续读取。

［数据，信息= read()ds）中提取的数据的相关信息信息，包括元数据。

输入参数

全部展开

`mbds`- - - - - -Mini-batch数据存储
数据存储|自定义`MiniBatchable`数据存储|……

小批量数据存储，指定为内置数据存储或自定义小批量数据存储。有关更多信息，请参见深度学习的数据存储。

输出参数

全部展开

`数据`-输出数据
表格

输出数据，以表的形式返回MiniBatchSize行数。对于数据存储中的最后一个小批量数据，如果NumObservations是不是能被整除MiniBatchSize,然后数据应该包含数据存储中剩余的观察值(小于MiniBatchSize）.

这个表应该有两列，第一列是预测器，第二列是响应。

`信息`—读取数据信息
结构数组

关于读取数据的信息，作为结构数组返回。

属性

隐藏的 真正的

要了解方法的属性，请参见方法属性。

兼容性的考虑

全部展开

`读`不推荐

不建议从R2019a开始

在R2018a之前，要执行用于训练深度学习网络的自定义图像预处理，必须使用readFcn的属性imageDatastore。但是，使用自定义读取函数读取文件很慢，因为imageDatastore未预取文件。

在R2018a中，四个类包括matlab.io.datastore.MiniBatchable作为一种支持预取、洗牌和并行训练的自定义图像预处理的解决方案。金宝app实现自定义小型批处理数据存储matlab.io.datastore.MiniBatchable有一些挑战和限制。

除了指定预处理操作外，还必须定义属性和方法来支持批量读取数据、按索引读取数据以及对数据进行分区和改组。金宝app
的值NumObservations属性，但是这个值在实际应用程序中可能定义不清或难以定义。
自定义小批量数据存储不够灵活，无法支持常见的深度学习工作流，例如使用GPU Coder™部署的工作流。金宝app

从R2019a开始，内置数据存储在读取批量数据时原生支持预取、洗牌和并行训练。金宝app的变换函数是执行自定义数据预处理或转换的首选方法。的结合函数是连接来自多个数据存储(包括已转换的数据存储)的读取数据的首选方法。连接的数据可以作为训练深度学习网络的网络输入和预期响应。的变换和结合函数有几个优点matlab.io.datastore.MiniBatchable。

这些函数支持对所有类型的数据存储进行数据预处理和连接，包括imageDatastore。
的变换函数只需要定义数据处理管道。
在确定性数据存储上使用时，这些函数支持金宝app高数据类型和MapReduce。
这些功能支持部署的工作流。金宝app

请注意

使用基本的图像预处理操作(包括调整大小、旋转和反射)转换数据的推荐解决方案是augmentedImageDatastore。有关更多信息，请参见深度学习的图像预处理。

目前还没有计划移除读的方法matlab.io.datastore.MiniBatchable此时。

另请参阅

阅读(数据存储)|matlab.io.datastore.MiniBatchable|matlab.io.Datastore|变换|结合

主题

在R2018a中引入

读

语法

描述

输入参数

`mbds`- - - - - -Mini-batch数据存储
数据存储|自定义`MiniBatchable`数据存储|……