如何按不同频率合并两个TensorFlow Dataset对象

可以通过TensorFlow的tf.data原生API组合操作实现，全程无样本丢弃，最终得到标准Dataset对象以支持后续流水线操作。

具体代码实现 #

import tensorflow as tf

ds1 = tf.data.Dataset.range(1, 10).repeat()
ds10 = tf.data.Dataset.range(10, 100, 10).repeat()

# 将ds1按每2个元素为一组打包
ds1_grouped = ds1.batch(2, drop_remainder=True)
# 把分组后的ds1与ds10一一配对
merged_pairs = tf.data.Dataset.zip((ds1_grouped, ds10))
# 展开每组元素，按要求生成序列
ds = merged_pairs.flat_map(lambda ds1_pair, ds10_elem: 
                           tf.data.Dataset.from_tensor_slices([ds1_pair[0]+ds10_elem, ds1_pair[1]]))

# 验证前7个元素
print(list(ds.take(7)))
# 输出: [11, 2, 23, 4, 35, 6, 47]

代码逻辑说明 #

1. ds1.batch(2, drop_remainder=True)：将ds1的元素按每2个一组打包，由于原数据集是无限重复的，drop_remainder=True不会导致样本丢失，只会确保每组都是完整的2个元素。
2. Dataset.zip：将分组后的ds1与ds10进行配对，每一组对应(ds1的2个元素, ds10的1个元素)。
3. flat_map：把每组元素按指定规则展开为单个元素序列——将ds1的第一个元素与ds10的元素相加，第二个元素直接保留，最终生成符合需求的连续序列。

该方案完全基于tf.data原生操作，效率无损耗，且最终的ds是标准Dataset对象，可直接用于后续的批处理、预处理等流水线操作。

内容的提问来源于stack exchange，提问作者user209974