Класс FixedLenSequenceFeature

Класс FixedLenSequenceFeature используется при разборе примеров TensorFlow (например, через parse_example или parse_sequence_example) для описания признака, который представляет собой последовательность элементов фиксированной длины. Первым параметром передаётся форма одного элемента последовательности (shape), вторым - тип данных (dtype). Третьим параметром можно указать, нужно ли добавлять измерение батча (allow_missing), а также задать значение по умолчанию (default_value). Класс позволяет единообразно описать признаки, у которых число временных шагов может различаться, но каждый шаг имеет одинаковую форму.

Синтаксис

tf.io.FixedLenSequenceFeature(shape, dtype, allow_missing=False, default_value=None)

Пример

Давайте создадим описание признака последовательности с формой элемента [1] и типом tf.float32:

import tensorflow as tf

feature = tf.io.FixedLenSequenceFeature([1], tf.float32)
print(feature)

Результат выполнения кода:

FixedLenSequenceFeature(shape=[1], dtype=float32, allow_missing=False, default_value=None)

Пример

Давайте создадим описание признака последовательности с формой элемента [2], типом tf.int64 и разрешим пропуск признака:

import tensorflow as tf

feature = tf.io.FixedLenSequenceFeature([2], tf.int64, allow_missing=True)
print(feature)

Результат выполнения кода:

FixedLenSequenceFeature(shape=[2], dtype=int64, allow_missing=True, default_value=None)

Пример

Давайте используем описание признака вместе с parse_example для разбора одного примера. Создадим признак последовательности с формой элемента [] и типом tf.float32, а также признак фиксированной длины:

import tensorflow as tf

sequence_feature = tf.io.FixedLenSequenceFeature([], tf.float32)
context_feature = tf.io.FixedLenFeature([], tf.int64)

serialized = tf.constant(
	b'\n\x12\n\x05value\x12\t\x12\x07\n\x05\x12\x03\n\x01\x01'
)
res = tf.io.parse_example(
	serialized,
	features={
		'sequence': sequence_feature,
		'context': context_feature,
	}
)
print(res)

Результат выполнения кода:

{'context': <tf.Tensor: shape=(1,), dtype=int64, numpy=array([1])>, 'sequence': <tf.Tensor: shape=(1, 1), dtype=float32, numpy=array([[1.]], dtype=float32)>}

Смотрите также

класс FixedLenFeature,
который описывает признаки фиксированной длины
класс VarLenFeature,
который описывает признаки переменной длины
функцию parse_example,
которая разбирает примеры в тензоры
функцию parse_single_example,
которая разбирает один пример в тензоры