张量流数据集：通过取消批处理（批处理 -> 映射 -> 取消批处理）或仅映射来更有效地进行矢量化？
tensorflow datasets: more efficient to vectorize with unbatching (batch -> map -> unbatch) or just map?
TensorFlow 建议在使用 map 进行转换之前对数据集进行批处理，以便对转换进行矢量化并减少开销：https://www.tensorflow.org/guide/data_performance#vectorizing_mapping
但是，在某些情况下，您希望对数据集执行转换，然后对 UNBATCHED 数据集执行某些操作（例如，随机播放）。
我没能找到任何东西来表明哪个更有效：
1) dataset.map(my_transformations)
2) dataset.batch(batch_size).map(my_transformations).unbatch()
(2) 减少了使用批处理向量化的地图开销，但由于必须在之后取消对数据集进行批处理而产生额外开销。
我也可以看出没有普遍的规则。每次我尝试新的数据集或转换（或硬件！）时都没有测试，这里有好的经验法则吗？我在网上看到几个例子使用（2）没有解释，但是我对这个问题没有直觉，所以...
提前致谢！
编辑：我发现至少在某些情况下，(2) 比 (1) 效率低得多。例如，在我们的图像数据集上，每个时期应用随机翻转和旋转（使用 .map 和内置 TF 函数 tf.image.random_flip_left_right、tf.image.random_flip_up_down 和 tf.image.rot90）以进行数据扩充(2) 需要 50% 的时间。我仍然不知道什么时候会出现这种情况，但教程建议的方法至少有时是错误的。
答案是（1）。 https://github.com/tensorflow/tensorflow/issues/40386
TF 正在修改文档以反映取消批处理的开销通常（总是？）高于向量化转换节省的开销。
TensorFlow 建议在使用 map 进行转换之前对数据集进行批处理，以便对转换进行矢量化并减少开销：https://www.tensorflow.org/guide/data_performance#vectorizing_mapping
但是，在某些情况下，您希望对数据集执行转换，然后对 UNBATCHED 数据集执行某些操作（例如，随机播放）。
我没能找到任何东西来表明哪个更有效：
1) dataset.map(my_transformations)
2) dataset.batch(batch_size).map(my_transformations).unbatch()
(2) 减少了使用批处理向量化的地图开销，但由于必须在之后取消对数据集进行批处理而产生额外开销。
我也可以看出没有普遍的规则。每次我尝试新的数据集或转换（或硬件！）时都没有测试，这里有好的经验法则吗？我在网上看到几个例子使用（2）没有解释，但是我对这个问题没有直觉，所以...
提前致谢！
编辑：我发现至少在某些情况下，(2) 比 (1) 效率低得多。例如，在我们的图像数据集上，每个时期应用随机翻转和旋转（使用 .map 和内置 TF 函数 tf.image.random_flip_left_right、tf.image.random_flip_up_down 和 tf.image.rot90）以进行数据扩充(2) 需要 50% 的时间。我仍然不知道什么时候会出现这种情况，但教程建议的方法至少有时是错误的。
答案是（1）。 https://github.com/tensorflow/tensorflow/issues/40386
TF 正在修改文档以反映取消批处理的开销通常（总是？）高于向量化转换节省的开销。