UnZipper

class torchdata.datapipes.iter.UnZipper(source_datapipe: IterDataPipe[Sequence[T]], sequence_length: int, buffer_size: int = 1000, columns_to_skip: Optional[Sequence[int]] = None)

接收一个包含序列的 DataPipe，解包每个序列，并根据它们在序列中的位置将元素返回到单独的 DataPipe 中（函数名：unzip）。生成的实例数量等于序列长度减去要跳过的列数。

注意

DataPipe 中的每个序列都应该具有相同的长度，由输入参数 sequence_length 指定。

参数：

• source_datapipe – 包含数据序列的可迭代 DataPipe

• sequence_length – source_datapipe 中序列的长度。所有元素都应该具有相同的长度。

• buffer_size – 这限制了领先子 DataPipe 相对于最慢子 DataPipe 的读取范围。使用 -1 表示无限缓冲区。

• columns_to_skip – DataPipe 应该跳过的列的可选索引（每个索引都应该是一个从 0 到 sequence_length - 1 的整数）

示例

>>> from torchdata.datapipes.iter import IterableWrapper
>>> source_dp = IterableWrapper([(i, i + 10, i + 20) for i in range(3)])
>>> dp1, dp2, dp3 = source_dp.unzip(sequence_length=3)
>>> list(dp1)
[0, 1, 2]
>>> list(dp2)
[10, 11, 12]
>>> list(dp3)
[20, 21, 22]