tf.io.parse_single_sequence_example

Разбирает один протокол SequenceExample.

tf.io.parse_single_sequence_example(
    serialized,
    context_features=None,
    sequence_features=None,
    example_name=None,
    name=None
)

Разбирает сериализованный протокол SequenceExample, переданный в serialized.

Эта операция разбирает сериализованный пример последовательности в кортеж словарей, каждый из которых сопоставляет ключи объектам Tensor и SparseTensor. Первый словарь содержит сопоставления для ключей, присутствующих в context_features, а второй — для ключей, присутствующих в sequence_features.

Необходимо указать как минимум один из параметров context_features и sequence_features, и он не должен быть пустым.

Ключи context_features связаны с SequenceExample в целом, независимо от времени / кадра. Напротив, ключи sequence_features позволяют обращаться к данным переменной длины в разделе FeatureList протокола SequenceExample. Хотя формы значений context_features фиксированы относительно кадра, размерность кадров (первая размерность) значений sequence_features может различаться в разных протоколах SequenceExample и даже у разных ключей feature_list в рамках одного и того же SequenceExample.

context_features содержит объекты VarLenFeature, RaggedFeature и FixedLenFeature. Каждому VarLenFeature соответствует SparseTensor; каждому RaggedFeature — RaggedTensor; каждому FixedLenFeature — Tensor указанного типа, формы и значения по умолчанию.

sequence_features содержит объекты VarLenFeature, RaggedFeature и FixedLenSequenceFeature. Каждому VarLenFeature соответствует SparseTensor; каждому RaggedFeature — RaggedTensor; каждому FixedLenSequenceFeature — Tensor указанного типа. Форма будет (T,) + df.dense_shape для FixedLenSequenceFeature df, где T — длина связанного FeatureList в SequenceExample. Например, FixedLenSequenceFeature([]) возвращает скалярный одномерный Tensor со статической формой [None] и динамической формой [T], а FixedLenSequenceFeature([k]) (для int k >= 1) возвращает двумерную матрицу Tensor со статической формой [None, k] и динамической формой [T, k].

Каждый SparseTensor, соответствующий sequence_features, представляет собой разреженный вектор. Его индексы имеют вид [time, index], где time — это запись FeatureList, а index — индекс значения в списке значений, связанных с этим моментом времени.

Записи FixedLenFeature с default_value и записи FixedLenSequenceFeature с allow_missing=True необязательны; в противном случае произойдет ошибка, если такой Feature или FeatureList отсутствует в каком-либо примере из serialized.

example_name может содержать описательное имя соответствующего сериализованного протокола. Оно может быть полезно для отладки, но не влияет на выходные данные. Если параметр не является None, example_name должен быть скаляром.

Обратите внимание, что пакетная версия этой функции, tf.parse_sequence_example, обеспечивает более эффективное использование памяти и работает быстрее с большими SequenceExample.