TensorFlow函数教程:tf.io.parse_single_sequence_example
tf.io.parse_single_sequence_example函数
别名:
- tf.io.parse_single_sequence_example
- tf.parse_single_sequence_example
tf.io.parse_single_sequence_example(
serialized,
context_features=None,
sequence_features=None,
example_name=None,
name=None
)
定义在:tensorflow/python/ops/parsing_ops.py。
解析一个SequenceExample原型。
解析serialized中给定的一个序列化的SequenceExample。
此操作将序列化序列示例解析为字典元组,分别映射键到Tensor和SparseTensor对象。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。
context_features和sequence_features中至少有一个要提供且非空。
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 protos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映射到Tensor,它具有指定类型,shape和默认值。
sequence_features包含VarLenFeature和FixedLenSequenceFeature对象。每个VarLenFeature都映射到SparseTensor,并且每个FixedLenSequenceFeature映射到Tensor,每个都具有指定的类型。对于FixedLenSequenceFeature df,shape将是(T,) + df.dense_shape为FixedLenSequenceFeature df,其中T是SequenceExample中关联的FeatureList的长度。例如,FixedLenSequenceFeature([])产生静态shape [None]和动态shape [T]的标量1-DTensor,而FixedLenSequenceFeature([k])(for int k >= 1)产生静态shape [None, k]和动态shape [T, k]的2-D矩阵Tensor。
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条目和带有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:字符串类型的标量(0-D Tensor),单个二进制序列化SequenceExample原型。
- 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。
- 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_name:字符串的标量(0-D Tensor)(可选),序列化原型的名称。
- name:此操作的名称(可选)。
返回:
两个dicts的元组,每个都映射到Tensors和SparseTensors的键。 第一个dict包含上下文键/值。 第二个dict包含feature_list键/值。
可能引发的异常:
- ValueError:如果任何功能无效。