大家好，之前幾天介紹兩種建立模型的方法，也以簡單的方式實作了用Sequential Model和Function API建立的模型，今天原本是要用其他的層來建立模型，但還是改成明天好了。而今天要介紹的是Dataset的建立與讀取資料的操作方法，這次會用到的API是tf.data。

首先要建立Dataset，建立Dataset的方法不只一種，每種也有些不同，這次用from_tensor_slices來建立Dataset：

datasetA=tf.data.Dataset.from_tensor_slices(tf.constant([0,1,2,3,4,5]))
datasetB=tf.data.Dataset.from_tensor_slices(tf.constant([0,2,4,6,8,10]))

再來是介紹幾種讀取資料的方法：
for loop-讀取全部資料：

for data in datasetA:
	print(data)

for dataA, dataB in zip(datasetA,datasetB):
    print('{},{}'.format(dataA,dataB))

take-可以指定讀取資料數量：

for data in datasetA.take(1):
	print(data)

for dataA, dataB in zip(datasetA.take(3),datasetB.take(3)):
    print('{},{}'.format(dataA,dataB))

take裡的參數代表取出多少資料，有多個Dataset要用take取資料但參數不一樣時，會以參數最小的為主。

batch-設定每一個batch讀取的資料量：

dataset=tf.data.Dataset.zip((datasetA,datasetB)).batch(2)
for data in dataset.take(2):
	print(data)

shuffle-隨機取出資料：

datasetAs=datasetA.shuffle(3)
for data in datasetAs.take(2):
    print(format(data))

shuffle裡的參數代表隨機取出了多少資料，若是參數大於或等於Dataset資料個數，就會隨機取出Dataset中的全部資料。

今天實作了Dataset的建立與部分讀取資料的方法，明天要介紹的就是一開始提到的，前幾天都是使用Dense層來建立模型，也會試著用其他的層。