TensorFlow函数教程：tf.io.parse_sequence_example

tf.io.parse_sequence_example函数

tf.io.parse_sequence_example(
    serialized,
    context_features=None,
    sequence_features=None,
    example_names=None,
    name=None
)

定义在：tensorflow/python/ops/parsing_ops.py。

解析一批SequenceExample原型。

解析serialized中给出的序列化SequenceExample原型向量 。

此操作将序列化序列示例解析为分别将键映射到Tensor和SparseTensor对象的字典元组。第一个字典包含出现在context_features中的键的映射，第二个字典包含出现在sequence_features中的键的映射。

必须提供context_features和sequence_features中的至少一个且非空。

这些context_features键与SequenceExample作为一个整体相关联，与时间/帧无关。相反，sequence_features键提供了一种在SequenceExample原型的FeatureList部分中访问可变长度数据的方法。虽然context_features值的shape相对于帧是固定的，但是sequence_features值的帧维度（第一维）可以在SequenceExample原型之间变化，甚至可以在同一SequenceExample内的feature_list键之间变化。

context_features包含VarLenFeature和FixedLenFeature对象。每个VarLenFeature都映射到一个SparseTensor，并且每个FixedLenFeature都映射到Tensor，其具有指定类型，shape和默认值。

sequence_features包含VarLenFeature和FixedLenSequenceFeature对象。每个VarLenFeature都映射到一个SparseTensor，并且每个FixedLenSequenceFeature映射到Tensor，每个都有指定的类型。FixedLenSequenceFeature df的shape将是(B,T,) + df.dense_shape，其中B是批处理大小，T是SequenceExample中关联FeatureList的长度。例如，FixedLenSequenceFeature([])产生静态shape [None, None]和动态shape [B, T]的标量2-D Tensor，而FixedLenSequenceFeature([k])（对于 int k >= 1）产生静态shape [None, None, k]和动态shape [B, T, k]的3-D矩阵Tensor。

与输入一样，生成的输出张量具有批处理维度。这意味着VarLenFeatures和FixedLenSequenceFeatures的原始每个示例shape可能会丢失。为了处理这种情况，该操作还提供了shape张量的dict作为输出的一部分。上下文功能有一个dict，feature_list功能也有一个dict。类型FixedLenFeatures的上下文功能将不存在，因为调用者已经知道它们的shape。如果输入的“fixedLenFeature”在示例中的长度不同，较短的示例将使用默认数据类型值填充：0表示数字类型，空字符串表示字符串类型。

每个SparseTensor对应的sequence_features代表一个参差不齐的矢量。它的索引是[time, index]，其中time是FeatureList条目，index是与该时间关联的值列表中的值索引。

带有default_value的FixedLenFeature和带有allow_missing=True的FixedLenSequenceFeature条目是可选的；否则，如果serialized中的任何示例中缺少Feature或FeatureList，我们将失败。

example_name可能包含相应序列化原型的描述性名称。这可能对调试有用，但它对输出没有影响。如果不是None，则example_name必须是标量。

参数：

• serialized：包含二进制序列化SequenceExample原型的字符串类型的向量（1-D Tensor）。
• context_features：dict映射功能键到FixedLenFeature或VarLenFeature值。这些功能与SequenceExample作为一个整体相关联。
• sequence_features：dict映射功能键到FixedLenSequenceFeature或VarLenFeature值。这些功能与SequenceExample原型的FeatureList部分中的数据相关联。
• example_names：字符串的向量（1-D Tensor）（可选），序列化原型的名称。
• name：此操作的名称（可选）。

返回：

三个dicts的元组，每个dicts映射键到Tensors和SparseTensors。 第一个dict包含上下文键/值，第二个dict包含feature_list键/值，最后一个dict包含任何密集feature_list功能的长度。

可能引发的异常：

• ValueError：如果任何功能无效。