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.

Этот оператор разбирает сериализованные примеры последовательностей 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.

Должен быть предоставлен и непуст хотя бы один из context_features и sequence_features.

Ключи context_features ассоциированы с SequenceExample в целом, независимо от времени/кадра. Напротив, ключи sequence_features предоставляют способ доступа к данным переменной длины внутри раздела FeatureList SequenceExample протокола. 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 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, заданного типа, формы и значения по умолчанию.

sequence_features содержит VarLenFeature, RaggedFeature, и FixedLenSequenceFeature объекты. Каждый VarLenFeature сопоставлен с SparseTensor; каждый RaggedFeature сопоставлен с RaggedTensor; and eachFixedLenSequenceFeatureis mapped to aTensor, each of the specified type. The shape will be(B,T,) + df.dense_shapeforFixedLenSequenceFeaturedf, whereBis the batch size, andTis the length of the associatedFeatureListin theSequenceExample. For instance,FixedLenSequenceFeature([])yields a scalar 2-DTensorof static shape[None, None]and dynamic shape[B, T], whileFixedLenSequenceFeature([k])(forint k >= 1) yields a 3-D matrixTensorof static shape[None, None, k]and dynamic shape[B, T, k]`.

Как и входные данные, результирующие выходные тензоры имеют размерность пакета. Это означает, что исходные формы примеров для VarLenFeature и FixedLenSequenceFeature могут быть потеряны. Для обработки этой ситуации этот оператор также предоставляет словари тензоров формы в качестве части выходных данных. Один словарь для контекстных функций и один для функций списка функций. Контекстные функции типа FixedLenFeature не будут присутствовать, поскольку их формы уже известны вызывающей стороне. В ситуациях, когда входные данные `FixedLenFeature` имеют разную длину для разных примеров, более короткие примеры будут дополнены значениями типа по умолчанию: 0 для числовых типов и пустая строка для строковых типов.

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

FixedLenFeature элементы с default_value и FixedLenSequenceFeature элементы с allow_missing=True являются необязательными; в противном случае мы столкнемся с ошибкой, если Feature или FeatureList отсутствуют в любом примере в serialized.

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