tf.io.parse_sequence_example

Разбирает пакет SequenceExample протоколов.

tf.io.parse_sequence_example(
    serialized,
    context_features=None,
    sequence_features=None,
    example_names=None,
    name=None
)

Разбирает вектор сериализованных SequenceExample протоколов, заданных в serialized.

Данный оператор разбирает сериализованные примеры последовательностей в кортеж словарей, каждый из которых сопоставляет ключи к Tensor и SparseTensor объектам. Первый словарь содержит сопоставления для ключей, присутствующих в context_features, а второй словарь содержит сопоставления для ключей, присутствующих в sequence_features.

Должен быть предоставлен и не пуст хотя бы один из context_features и sequence_features.

Ключи context_features связаны с SequenceExample в целом, независимо от времени/кадра. В отличие от них, ключи sequence_features предоставляют способ доступа к данным переменной длины внутри секции FeatureList протокола SequenceExample. Хотя формы значений context_features фиксированы относительно кадра, размерность кадра (первая размерность) значений sequence_features может варьироваться между SequenceExample протоколами, а также между ключами feature_list внутри одного и того же SequenceExample.

context_features содержит VarLenFeature, RaggedFeature и FixedLenFeature объекты. Каждый VarLenFeature сопоставлен с SparseTensor; каждый RaggedFeature сопоставлен с RaggedTensor; и каждый FixedLenFeature сопоставлен с Tensor указанного типа, формы и значения по умолчанию.

sequence_features содержит VarLenFeature, RaggedFeature и FixedLenSequenceFeature объекты. Каждый VarLenFeature сопоставлен с SparseTensor; каждый RaggedFeature сопоставлен с RaggedTensor; и каждый FixedLenSequenceFeature сопоставлен с Tensor, каждый из указанного типа. Форма будет (B,T,) + df.dense_shape для FixedLenSequenceFeature df, где B — размер пакета, а T — длина связанной FeatureList в SequenceExample. Например, FixedLenSequenceFeature([]) возвращает скалярную 2-мерную Tensor со статической формой [None, None] и динамической формой [B, T], а FixedLenSequenceFeature([k]) (для int k >= 1) возвращает 3-мерную матрицу Tensor со статической формой [None, None, k] и динамической формой [B, T, k].

Как и входные данные, результирующие выходные тензоры имеют размерность пакета. Это означает, что исходные формы для каждого примера VarLenFeature и FixedLenSequenceFeature могут быть утеряны. Для решения этой ситуации данный оператор также предоставляет словари тензоров формы в качестве части вывода. Есть один словарь для контекстных функций и один для функций feature_list. Контекстные функции типа FixedLenFeature отсутствуют, так как их формы уже известны вызывающей стороне. В ситуациях, когда входные FixedLenSequenceFeature имеют различную длину последовательности для разных примеров, более короткие примеры будут дополнены значениями по умолчанию для типа данных: 0 для числовых типов и пустая строка для строковых типов.

Каждый SparseTensor, соответствующий sequence_features, представляет собой разрозненный вектор. Его индексы — [time, index], где time — это входной элемент, а index — индекс значения в списке значений, связанных с этим временем.

Элементы FixedLenFeature с default_value и элементы FixedLenSequenceFeature с allow_missing=True являются необязательными; в противном случае произойдёт ошибка, если этот Feature или FeatureList отсутствует в каком-либо примере в serialized.

example_name может содержать описательное имя соответствующего сериализованного протокола. Это может быть полезно для отладки, но не влияет на вывод. Если None не задан, example_name должен быть скаляром.