tf.nest.flatten

Возвращает плоский список из заданной структуры.

tf.nest.flatten(
    structure, expand_composites=False
)

Используется в блокнотах

Определение структуры см. в tf.nest.

Если структура является атомом, возвращается список из одного элемента: [structure].

Это обратная операция к методу nest.pack_sequence_as, который принимает плоский список и восстанавливает из него вложенную структуру.

В случае экземпляров dict последовательность состоит из значений, отсортированных по ключу для обеспечения детерминированного поведения. Это также относится к экземплярам OrderedDict: порядок элементов в последовательности игнорируется, вместо него используется сортировка ключей. То же правило применяется в nest.pack_sequence_as. Это позволяет корректно восстанавливать dict и OrderedDict после их преобразования в плоский список, а также преобразовывать OrderedDict в плоский список и восстанавливать его с помощью соответствующего обычного dict или наоборот. Словари с ключами, которые нельзя отсортировать, преобразовать в плоский список нельзя.

Во время выполнения этой функции пользователям не следует изменять коллекции, используемые в nest.

Примеры:

1. Словарь Python (сортировка по ключу):

   dict = { "key3": "value3", "key1": "value1", "key2": "value2" }
   tf.nest.flatten(dict)
     ['value1', 'value2', 'value3']
     

2. Вложенный кортеж Python:

   tuple = ((1.0, 2.0), (3.0, 4.0, 5.0), 6.0)
   tf.nest.flatten(tuple)
         [1.0, 2.0, 3.0, 4.0, 5.0, 6.0]
     

3. Вложенный словарь словарей:

   dict = { "key3": {"c": (1.0, 2.0), "a": (3.0)},
   "key1": {"m": "val1", "g": "val2"} }
   tf.nest.flatten(dict)
     ['val2', 'val1', 3.0, 1.0, 2.0]
     

4. Массив Numpy (не будет преобразован в плоский список):

   array = np.array([[1, 2], [3, 4]])
   tf.nest.flatten(array)
         [array([[1, 2],
                 [3, 4]])]
     

5. tf.Tensor (не будет преобразован в плоский список):

   tensor = tf.constant([[1., 2., 3.], [4., 5., 6.], [7., 8., 9.]])
   tf.nest.flatten(tensor)
         [<tf.Tensor: shape=(3, 3), dtype=float32, numpy=
           array([[1., 2., 3.],
                  [4., 5., 6.],
                  [7., 8., 9.]], dtype=float32)>]
     

6. tf.RaggedTensor: это составной тензор, представление которого состоит из плоского списка «values» и списка «row_splits», указывающего, как разбить плоский список на отдельные строки. Подробнее о tf.RaggedTensor см. на странице https://www.tensorflow.org/api_docs/python/tf/RaggedTensor.

При использовании expand_composites=False мы просто возвращаем RaggedTensor без изменений.

tensor = tf.ragged.constant([[3, 1, 4, 1], [], [5, 9, 2]])
tf.nest.flatten(tensor, expand_composites=False)
  [<tf.RaggedTensor [[3, 1, 4, 1], [], [5, 9, 2]]>]
  

При использовании expand_composites=True мы возвращаем тензоры-компоненты, из которых состоит представление RaggedTensor (тензоры values и row_splits).

tensor = tf.ragged.constant([[3, 1, 4, 1], [], [5, 9, 2]])
tf.nest.flatten(tensor, expand_composites=True)
  [<tf.Tensor: shape=(7,), dtype=int32, numpy=array([3, 1, 4, 1, 5, 9, 2],
                                                    dtype=int32)>,
   <tf.Tensor: shape=(4,), dtype=int64, numpy=array([0, 4, 4, 7])>]