tf.io.parse_single_sequence_example

Разбирает один SequenceExample протокол.

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

Разбирает один сериализованный SequenceExample протокол, указанный в serialized.

Этот оператор разбирает сериализованный пример последовательности 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 пустым.

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 в разделе FeatureList протокола SequenceExample. Хотя формы значений context_features фиксированы относительно кадра, размерность кадра (первая размерность) значений sequence_features может изменяться между протоколами SequenceExample, а также между ключами feature_list в рамках одного протокола SequenceExample.

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

sequence_features содержит объекты VarLenFeature, RaggedFeature, и FixedLenSequenceFeature. Каждый VarLenFeature сопоставляется с SparseTensor; каждый RaggedFeature сопоставляется с RaggedTensor; и каждый FixedLenSequenceFeature сопоставляется с Tensor, каждый из указанного типа. Форма будет (T,) + df.dense_shape для FixedLenSequenceFeature df, где T — длина связанной FeatureList в SequenceExample . Например, FixedLenSequenceFeature([]) генерирует скалярный 1-мерный Tensor со статической формой [None] и динамической формой [T], в то время как FixedLenSequenceFeature([k]) (для int k >= 1) генерирует 2-мерную матрицу Tensor со статической формой [None, k] и динамической формой [T, k].

Каждый SparseTensor соответствующий sequence_features представляет собой разреженный вектор. Его индексы — [time, index], где time — FeatureList запись, 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 мы получим ошибку, если этот Feature или FeatureList отсутствует 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 не None, то example_name должен быть скаляром.

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