Python tf.nest.pack_sequence_as用法及代碼示例

返回打包到給定結構中的給定展平序列。

用法

tf.nest.pack_sequence_as(
    structure, flat_sequence, expand_composites=False
)

有關結構的定義，請參閱tf.nest。

如果structure是一個原子，flat_sequence必須是一個single-item列表；在這種情況下，返回值為 flat_sequence[0] 。

如果 structure 是或包含 dict 實例，則將對鍵進行排序以按確定順序打包平麵序列。對於OrderedDict 實例也是如此：它們的序列順序被忽略，而是使用鍵的排序順序。 flatten 遵循相同的約定。這會在 dicts 和 OrderedDict 被展平後正確地重新打包它們，並且還允許展平 OrderedDict 然後使用相應的普通 dict 將其重新打包，反之亦然。具有不可排序鍵的字典不能被展平。

例子：

1. Python字典：

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

1. 對於嵌套的 python 元組：

structure = (('a','b'), ('c','d','e'), 'f')
  flat_sequence = [1.0, 2.0, 3.0, 4.0, 5.0, 6.0]
  tf.nest.pack_sequence_as(structure, flat_sequence)
    ((1.0, 2.0), (3.0, 4.0, 5.0), 6.0)

1. 對於字典的嵌套字典：

structure = { "key3":{"c":('alpha', 'beta'), "a":('gamma')},
                "key1":{"e":"val1", "d":"val2"} }
  flat_sequence = ['val2', 'val1', 3.0, 1.0, 2.0]
  tf.nest.pack_sequence_as(structure, flat_sequence)
    {'key3':{'c':(1.0, 2.0), 'a':3.0}, 'key1':{'e':'val1', 'd':'val2'} }

1. Numpy 數組(視為標量)：

structure = ['a']
  flat_sequence = [np.array([[1, 2], [3, 4]])]
  tf.nest.pack_sequence_as(structure, flat_sequence)
    [array([[1, 2],
           [3, 4]])]

1. tf.Tensor(視為標量)：

structure = ['a']
  flat_sequence = [tf.constant([[1., 2., 3.], [4., 5., 6.]])]
  tf.nest.pack_sequence_as(structure, flat_sequence)
    [<tf.Tensor:shape=(2, 3), dtype=float32,
     numpy= array([[1., 2., 3.], [4., 5., 6.]], dtype=float32)>]

1. tf.RaggedTensor ：這是一個複合張量，它的表示由 'values' 的扁平化列表和 'row_splits' 的列表組成，它們指示如何將扁平化列表分割成不同的行。有關 tf.RaggedTensor 的更多詳細信息，請訪問 https://www.tensorflow.org/api_docs/python/tf/RaggedTensor。

使用 expand_composites=False ，我們將 RaggedTensor 視為標量。

structure = { "foo":tf.ragged.constant([[1, 2], [3]]),
                "bar":tf.constant([[5]]) }
  flat_sequence = [ "one", "two" ]
  tf.nest.pack_sequence_as(structure, flat_sequence,
  expand_composites=False)
    {'foo':'two', 'bar':'one'}

對於 expand_composites=True ，我們期望扁平化的輸入包含構成參差不齊的張量的張量，即值和 row_splits 張量。

structure = { "foo":tf.ragged.constant([[1., 2.], [3.]]),
                "bar":tf.constant([[5.]]) }
  tensors = tf.nest.flatten(structure, expand_composites=True)
  print(tensors)
    [<tf.Tensor:shape=(1, 1), dtype=float32, numpy=array([[5.]],
     dtype=float32)>,
     <tf.Tensor:shape=(3,), dtype=float32, numpy=array([1., 2., 3.],
     dtype=float32)>,
     <tf.Tensor:shape=(3,), dtype=int64, numpy=array([0, 2, 3])>]
  verified_tensors = [tf.debugging.check_numerics(t, 'invalid tensor:')
                      if t.dtype==tf.float32 else t
                      for t in tensors]
  tf.nest.pack_sequence_as(structure, verified_tensors,
                           expand_composites=True)
    {'foo':<tf.RaggedTensor [[1.0, 2.0], [3.0]]>,
     'bar':<tf.Tensor:shape=(1, 1), dtype=float32, numpy=array([[5.]],
     dtype=float32)>}