tf.io.decode_proto

Операция извлекает поля из сериализованного сообщения протобуффера в тензоры.

tf.io.decode_proto(
    bytes,
    message_type,
    field_names,
    output_types,
    descriptor_source='local://',
    message_format='binary',
    sanitize=False,
    name=None
)

Примечание: Этот API разработан для ортогональности, а не для удобства использования человеком. Его можно использовать для ручного разбора входных прото, но он предназначен для использования в сгенерированном коде.

Операция decode_proto извлекает поля из сериализованного сообщения протобуффера в тензоры. Поля в field_names декодируются и преобразуются в соответствующие типы output_types при возможности.

Необходимо указать имя message_type, чтобы предоставить контекст для имен полей. Фактический дескриптор сообщения можно найти либо в связанном пуле дескрипторов, либо в имени файла, предоставленном вызывающей стороной с помощью атрибута descriptor_source.

Каждый выходной тензор — это плотный тензор. Это означает, что он дополняется до максимального количества повторяющихся элементов, встречающихся в входном минибаче. (Размерность также дополняется на единицу, чтобы предотвратить размерность нулевой величины). Фактическое количество повторений для каждого примера в минибаче можно найти в выходных данных sizes. Во многих случаях выход decode_proto сразу же подаётся в tf.squeeze, если пропущенные значения не представляют проблемы. При использовании tf.squeeze всегда явно передавайте размерность сжатия, чтобы избежать неожиданностей.

В основном отображение между типами полей прото и типами данных TensorFlow прямое. Однако есть несколько особых случаев:

• Поле прото, содержащее подсообщение или группу, может быть преобразовано только в DT_STRING (сериализованное подсообщение). Это делается для уменьшения сложности API. Результирующую строку можно использовать в качестве входных данных для другой экземпляра операции decode_proto.

• TensorFlow не поддерживает целые числа без знака. Операции представляют типы uint64 в виде DT_INT64 с тем же битовым шаблоном с дополнением до двух (очевидный способ). Значения целых чисел без знака int32 можно точно представить, указав тип DT_INT64, или используя дополнение до двух, если вызывающая сторона укажет DT_INT32 в атрибуте output_types.

• Поля типа map не декодируются напрямую. Они обрабатываются как поля типа repeated соответствующего типа записи. Компилятор прото определяет типы записей для каждого поля отображения. Имя типа — это имя поля, преобразованное в «CamelCase» с добавленным «Entry». Сообщение tf.train.Features.FeatureEntry — это пример одного из этих неявных типов Entry.

• Поля типа enum следует читать как int32.

Поддерживаются бинарная и текстовая сериализация прото, которые можно выбрать с помощью атрибута format.

Атрибут descriptor_source выбирает источник прото-дескрипторов для консультации при поиске message_type. Это может быть:

• Пустая строка или "local://", в этом случае прото-дескрипторы создаются для определений прото C++ (не Python), связанных с бинарным файлом.

• Файл, в этом случае прото-дескрипторы создаются из файла, который должен содержать сериализованный FileDescriptorSet в виде строки. ПРИМЕЧАНИЕ: Вы можете создать файл descriptor_source с помощью опций --descriptor_set_out и --include_imports для компилятора прото protoc.

• «bytes://», в этом случае прото-дескрипторы создаются из <bytes>, который должен быть сериализованным FileDescriptorSet в виде строки.

Вот пример:

Внутренний прото Summary.Value содержит oneof {float simple_value; Image image; ...}

from google.protobuf import text_format

# A Summary.Value contains: oneof {float simple_value; Image image}
values = [
   "simple_value: 2.2",
   "simple_value: 1.2",
   "image { height: 128 width: 512 }",
   "image { height: 256 width: 256 }",]
values = [
   text_format.Parse(v, tf.compat.v1.Summary.Value()).SerializeToString()
   for v in values]

Следующее может декодировать оба поля из сериализованных строк:

sizes, [simple_value, image]  = tf.io.decode_proto(
 values,
 tf.compat.v1.Summary.Value.DESCRIPTOR.full_name,
 field_names=['simple_value', 'image'],
 output_types=[tf.float32, tf.string])

Результат sizes имеет ту же размерность, что и вход, с дополнительной осью по полям, которые были декодированы. Здесь первый столбец sizes представляет размер декодированного поля simple_value:

print(sizes)
tf.Tensor(
[[1 0]
 [1 0]
 [0 1]
 [0 1]], shape=(4, 2), dtype=int32)

Результирующие тензоры имеют на один индекс больше, чем входные байтовые строки. Действительные элементы каждого результирующего тензора указываются соответствующим столбцом sizes. Недействительные элементы дополняются значением по умолчанию:

print(simple_value)
tf.Tensor(
[[2.2]
 [1.2]
 [0. ]
 [0. ]], shape=(4, 1), dtype=float32)

Вложенные прото извлекаются как строковые тензоры:

print(image.dtype)
<dtype: 'string'>
print(image.shape.as_list())
[4, 1]

Для преобразования в представление tf.RaggedTensor используйте:

tf.RaggedTensor.from_tensor(simple_value, lengths=sizes[:, 0]).to_list()
[[2.2], [1.2], [], []]