Python tf.nest.flatten用法及代码示例

从给定结构返回一个平面列表。

用法

tf.nest.flatten(
    structure, expand_composites=False
)

有关结构的定义，请参阅tf.nest。

如果结构是原子，则返回 single-item 列表：[结构]。

这与 nest.pack_sequence_as 方法相反，该方法接受一个扁平列表并将其重新打包到嵌套结构中。

在 dict 实例的情况下，序列由值组成，按键排序以确保确定性行为。对于 OrderedDict 实例也是如此：它们的序列顺序被忽略，而是使用键的排序顺序。 nest.pack_sequence_as 遵循相同的约定。这会在 dicts 和 OrderedDicts 被展平后正确地重新打包它们，并且还允许展平 OrderedDict 然后使用相应的普通 dict 重新打包它，反之亦然。具有不可排序键的字典不能被展平。

在此函数运行时，用户不得修改嵌套中使用的任何集合。

例子：

1. Python dict(按键排序)：

dict = { "key3":"value3", "key1":"value1", "key2":"value2" }
  tf.nest.flatten(dict)
    ['value1', 'value2', 'value3']

1. 对于嵌套的 python 元组：

tuple = ((1.0, 2.0), (3.0, 4.0, 5.0), 6.0)
  tf.nest.flatten(tuple)
        [1.0, 2.0, 3.0, 4.0, 5.0, 6.0]

1. 对于字典的嵌套字典：

dict = { "key3":{"c":(1.0, 2.0), "a":(3.0)},
  "key1":{"m":"val1", "g":"val2"} }
  tf.nest.flatten(dict)
    ['val2', 'val1', 3.0, 1.0, 2.0]

1. Numpy 数组(不会展平)：

array = np.array([[1, 2], [3, 4]])
  tf.nest.flatten(array)
        [array([[1, 2],
                [3, 4]])]

1. tf.Tensor(不会变平)：

tensor = tf.constant([[1., 2., 3.], [4., 5., 6.], [7., 8., 9.]])
  tf.nest.flatten(tensor)
        [<tf.Tensor:shape=(3, 3), dtype=float32, numpy=
          array([[1., 2., 3.],
                 [4., 5., 6.],
                 [7., 8., 9.]], dtype=float32)>]

1. tf.RaggedTensor ：这是一个复合张量，它的表示由 'values' 的扁平化列表和 'row_splits' 的列表组成，它们指示如何将扁平化列表分割成不同的行。有关 tf.RaggedTensor 的更多详细信息，请访问 https://www.tensorflow.org/api_docs/python/tf/RaggedTensor。

使用 expand_composites=False ，我们只需按原样返回 RaggedTensor。

tensor = tf.ragged.constant([[3, 1, 4, 1], [], [5, 9, 2]])
  tf.nest.flatten(tensor, expand_composites=False)
    [<tf.RaggedTensor [[3, 1, 4, 1], [], [5, 9, 2]]>]

使用 expand_composites=True ，我们返回组成 RaggedTensor 表示的组件张量(值和 row_splits 张量)

tensor = tf.ragged.constant([[3, 1, 4, 1], [], [5, 9, 2]])
  tf.nest.flatten(tensor, expand_composites=True)
    [<tf.Tensor:shape=(7,), dtype=int32, numpy=array([3, 1, 4, 1, 5, 9, 2],
                                                      dtype=int32)>,
     <tf.Tensor:shape=(4,), dtype=int64, numpy=array([0, 4, 4, 7])>]