tf.data.Dataset.interleave() 最通俗易懂的使用詳解（有圖有真相）

最近學習tensorflow，對於這個函數tf.data.Dataset.interleave()始終有點暈乎，即使搞明白了，用不了多久又忘了，在網上查了查，發現很少有人能把這個函數講清楚。趁着現在還明白，記錄下來——備忘+助友。

interleave()是Dataset的類方法，所以interleave是作用在一個Dataset上的。
語法：

interleave(
    map_func,
    cycle_length=AUTOTUNE,
    block_length=1,
    num_parallel_calls=None
)

解釋：

1. 假定我們現在有一個Dataset——A
2. 從該A中取出cycle_length個element，然後對這些element apply map_func,得到cycle_length個新的Dataset對象。
3. 然後從這些新生成的Dataset對象中取數據，取數邏輯爲輪流從每個對象裏面取數據，每次取block_length個數據
4. 當這些新生成的某個Dataset的對象取盡時，從原Dataset中再取cycle_length個element，，然後apply
   map_func，以此類推。

舉例：

a = tf.data.Dataset.range(1, 6)  # ==> [ 1, 2, 3, 4, 5 ]
# NOTE: New lines indicate "block" boundaries.
b=a.interleave(lambda x: tf.data.Dataset.from_tensors(x).repeat(6),
            cycle_length=2, block_length=4) 
for item in b:
    print(item.numpy(),end=', ')

輸出結果：

1, 1, 1, 1, 2, 2, 2, 2, 1, 1, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4, 3, 3, 4, 4, 5, 5, 5, 5, 5, 5, 

上面程序的圖示，看示意圖可能更清晰：

其中map_func在這裏是重複6次-repeat(6)。

常見case:
dataset裏面存儲文件名， 將所有文件讀取出來，產生一個大數據集

更詳細內容可以參考官方文檔