tf.io.parse_single_sequence_example

Парсит один 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, указанный в serialized.

Этот оператор парсит сериализованный протокол sequence example в кортеж словарей, каждый из которых сопоставляет ключи к Tensor и SparseTensor объектам. Первый словарь содержит сопоставления для ключей, присутствующих в context_features, а второй — для ключей, присутствующих в sequence_features.

Должен быть предоставлен по крайней мере один из context_features и sequence_features и он не должен быть 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 внутри раздела FeatureList протокола SequenceExample. Хотя формы значений context_features фиксированы относительно кадра, размерность кадра (первая размерность) значений sequence_features может изменяться между протоколами SequenceExample и даже между ключами feature_list внутри одного и того же протокола SequenceExample.

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

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

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

FixedLenFeature записи со default_value и FixedLenSequenceFeature записи с allow_missing=True являются необязательными; в противном случае мы потерпим неудачу, если 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 оказывает никакого влияния на выходные данные. Если нет None, example_name должен быть скаляром.

Обратите внимание, что пакетная версия этой функции, tf.parse_sequence_example, написана для лучшей эффективности памяти и будет работать быстрее с большими SequenceExample.