tf.io.parse_single_sequence_example

Парсит одиночный SequenceExample протокол.

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

Парсит один сериализованный SequenceExample протокол, заданный в serialized.

Этот оператор парсит сериализованный последовательный пример в кортеж словарей, каждый из которых сопоставляет ключи с Tensor и SparseTensor объектами. Первый словарь содержит сопоставления для ключей, присутствующих в context_features, а второй словарь содержит сопоставления для ключей, присутствующих в sequence_features.

По крайней мере, один из context_features и sequence_features должен быть предоставлен и не пуст.

Ключи context_features связаны с SequenceExample в целом, независимо от времени/кадра. В отличие от этого, ключи sequence_features предоставляют способ доступа к данным переменной длины внутри секции FeatureList протокола SequenceExample. В то время как формы значений context_features фиксированы относительно кадра, размерность кадра (первая размерность) значений sequence_features может меняться между SequenceExample протоколами, а также между ключами feature_list в одном SequenceExample.

context_features содержит VarLenFeature и FixedLenFeature объекты. Каждый VarLenFeature сопоставлен с SparseTensor, а каждый FixedLenFeature — с Tensor, заданного типа, формы и значения по умолчанию.

sequence_features содержит VarLenFeature и FixedLenSequenceFeature объекты. Каждый VarLenFeature сопоставлен с SparseTensor, а каждый FixedLenSequenceFeature — с Tensor, каждого из указанного типа. Форма будет (T,) + df.dense_shape для FixedLenSequenceFeature df, где T — длина связанного FeatureList в SequenceExample. Например, FixedLenSequenceFeature([]) дает скалярный одномерный Tensor статической формы [None] и динамической формы [T], в то время как FixedLenSequenceFeature([k]) (для int k >= 1) дает двумерную матрицу Tensor статической формы [None, k] и динамической формы [T, k].

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

FixedLenFeature записи с default_value и FixedLenSequenceFeature записи с allow_missing=True являются необязательными; в противном случае произойдет ошибка, если Feature или FeatureList отсутствуют в любом примере в serialized.

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

Обратите внимание, что пакетная версия этой функции, tf.parse_sequence_example, разработана для повышения эффективности памяти и будет работать быстрее на больших SequenceExample.