Python tf.io.serialize_tensor用法及代码示例

将张量转换为序列化的 TensorProto 原型。

用法

tf.io.serialize_tensor(
    tensor, name=None
)

此操作将tf.Tensor 中的数据转换为tf.string 类型的tf.Tensor，其中包含二进制字符串格式的数据。此操作可以转换标量数据和线性数组，但在将多维数组转换为二进制存储格式(例如 TFRecord 或 tf.train.Example )接受的格式时最有用。

也可以看看：

• tf.io.parse_tensor ：tf.io.serialize_tensor 的逆运算，将包含序列化张量的标量字符串转换为指定类型的张量。
• tf.ensure_shape : parse_tensor 无法静态确定解析张量的形状。在tf.function下运行时使用tf.ensure_shape设置静态形状
• .SerializeToString ，将 proto 序列化为 binary-string

序列化标量数据的示例：

t = tf.constant(1)
tf.io.serialize_tensor(t)
<tf.Tensor:shape=(), dtype=string, numpy=b'\x08...\x00'>

将非标量数据存储到 tf.train.Example 的示例：

t1 = [[1, 2]]
t2 = [[7, 8]]
nonscalar = tf.concat([t1, t2], 0)
nonscalar
<tf.Tensor:shape=(2, 2), dtype=int32, numpy=
array([[1, 2],
       [7, 8]], dtype=int32)>

使用 tf.io.serialize_tensor 序列化数据。

serialized_nonscalar = tf.io.serialize_tensor(nonscalar)
serialized_nonscalar
<tf.Tensor:shape=(), dtype=string, numpy=b'\x08...\x00'>

将数据存储在 tf.train.Feature 中。

feature_of_bytes = tf.train.Feature(
  bytes_list=tf.train.BytesList(value=[serialized_nonscalar.numpy()]))
feature_of_bytes
bytes_list {
  value:"\010...\000"
}

将 tf.train.Feature 消息放入 tf.train.Example 。

features_for_example = {
  'feature0':feature_of_bytes
}
example_proto = tf.train.Example(
  features=tf.train.Features(feature=features_for_example))
example_proto
features {
  feature {
    key:"feature0"
    value {
      bytes_list {
        value:"\010...\000"
      }
    }
  }
}