tf.io.decode_proto

Операция извлекает поля из сериализованного сообщения протобуфера в тензоры.

tf.io.decode_proto(
    bytes: Annotated[Any, _atypes.String],
    message_type: str,
    field_names,
    output_types,
    descriptor_source: str = 'local://',
    message_format: str = 'binary',
    sanitize: bool = False,
    name=None
)

Примечание: Этот API разработан для ортогональности, а не для удобства использования человеком. Он может использоваться для ручного анализа входных прото, но предназначен для использования в сгенерированном коде.

Операция decode_proto извлекает поля из сериализованного сообщения протобуфера в тензоры. Поля в field_names декодируются и преобразуются в соответствующие output_types, если это возможно.

Необходимо указать имя message_type, чтобы задать контекст для имён полей. Фактический дескриптор сообщения можно найти либо в связанном пуле дескрипторов, либо в файле, предоставленном вызывающей стороной с помощью атрибута descriptor_source.

Каждый выходной тензор представляет собой плотный тензор. Это означает, что он заполняется до максимального количества повторяющихся элементов, наблюдаемых в входном мини-пакете. (Размерность также дополняется единицей, чтобы предотвратить размерность нулевой длины). Фактические количества повторений для каждого примера в мини-пакете можно найти в выходном sizes. Во многих случаях результат decode_proto сразу передается в tf.squeeze, если пропущенные значения не вызывают опасений. При использовании tf.squeeze всегда явно передавайте размерность сжатия, чтобы избежать неожиданностей.

В основном отображение между типами полей протобуфера и типами данных TensorFlow очевидно. Однако есть несколько особых случаев:

• Поле протобуфера, содержащее подсообщение или группу, может быть преобразовано только в DT_STRING (сериализованное подсообщение). Это делается для снижения сложности API. Результирующую строку можно использовать в качестве входных данных для другого экземпляра операции decode_proto.

• TensorFlow не поддерживает целые числа без знака. Операции представляют типы uint64 как DT_INT64 с тем же битовым шаблоном дополнительного кода (очевидным способом). Значения целых чисел без знака int32 можно точно представить, указав тип DT_INT64 или используя дополнительный код, если вызывающая сторона указывает DT_INT32 в атрибуте output_types.

• Поля map не декодируются напрямую. Они обрабатываются как поля repeated соответствующего типа записи. Компилятор протобуфера определяет типы записей для каждого поля карты. Имя типа — это имя поля, преобразованное в «CamelCase» с добавленным «Entry». Сообщение tf.train.Features.FeatureEntry является примером одного из этих неявных типов Entry.

• Поля enum следует читать как int32.

Поддерживается двоичная и текстовая сериализация прото, которые можно выбрать с помощью атрибута format.

Атрибут descriptor_source выбирает источник протодескрипторов, используемых при поиске message_type. Это может быть:

• Пустая строка или «local://», в этом случае протодескрипторы создаются для C++ (не Python) определений протобуфера, связанных с двоичным файлом.

• Файл, в этом случае протодескрипторы создаются из файла, который, как ожидается, содержит сериализованный FileDescriptorSet в виде строки. ПРИМЕЧАНИЕ: Вы можете создать файл descriptor_source, используя параметры --descriptor_set_out и --include_imports компилятора протобуфера protoc.

• «bytes://», в этом случае протодескрипторы создаются из <bytes>, который, как ожидается, является сериализованным FileDescriptorSet в виде строки.

Пример:

Внутренний прото Summary.Value содержит oneof {float simple_value; Image image; ...}

from google.protobuf import text_format

# A Summary.Value contains: oneof {float simple_value; Image image}
values = [
   "simple_value: 2.2",
   "simple_value: 1.2",
   "image { height: 128 width: 512 }",
   "image { height: 256 width: 256 }",]
values = [
   text_format.Parse(v, tf.compat.v1.Summary.Value()).SerializeToString()
   for v in values]

Следующее может декодировать оба поля из сериализованных строк:

sizes, [simple_value, image]  = tf.io.decode_proto(
 values,
 tf.compat.v1.Summary.Value.DESCRIPTOR.full_name,
 field_names=['simple_value', 'image'],
 output_types=[tf.float32, tf.string])

sizes имеет ту же размерность, что и входные данные, с дополнительной осью по полям, которые были декодированы. Здесь первый столбец sizes — размер декодированного поля simple_value:

print(sizes)
tf.Tensor(
[[1 0]
 [1 0]
 [0 1]
 [0 1]], shape=(4, 2), dtype=int32)

Результирующие тензоры имеют на один индекс больше, чем входные строки байтов. Действительные элементы каждого результирующего тензора указаны соответствующим столбцом sizes. Недействительные элементы заполняются значениями по умолчанию:

print(simple_value)
tf.Tensor(
[[2.2]
 [1.2]
 [0. ]
 [0. ]], shape=(4, 1), dtype=float32)

Вложенные протобуферы извлекаются как строковые тензоры:

print(image.dtype)
<dtype: 'string'>
print(image.shape.as_list())
[4, 1]

Для преобразования в представление tf.RaggedTensor используйте:

tf.RaggedTensor.from_tensor(simple_value, lengths=sizes[:, 0]).to_list()
[[2.2], [1.2], [], []]