Tensorflow 对于可变长度功能，使用tf.train.SequenceExample比使用tf.train.Example有哪些优势？

最近，我阅读了TensorFlow中关于未记录特性的指南，因为我需要将可变长度序列作为输入传递。然而，我发现

tf.train.SequenceExample

的协议相对混乱（尤其是由于缺乏文档），并设法使用

tf.train.Example

构建了一个输入管道

---

使用

tf.train.SequenceExample

有什么好处吗？当有一个专用于可变长度序列的协议时，使用标准示例协议似乎是一种欺骗，但它会产生任何后果吗？

您提供的链接列出了一些好处。你可以看看这里是怎么用的

---

如果您使用

示例

成功地将数据输入到模型中，则应该没有问题

SequenceExample

只是为您的数据和一些用于处理数据的实用程序提供了更多的结构。

以下是

示例

和

SequenceExample

协议缓冲区的定义，以及它们可能包含的所有协议：

消息字节列表{重复字节值=1；}
消息浮动列表{重复的浮动值=1[packed=true]；}
消息Int64List{重复的int64值=1[packed=true]；}
消息功能{
独一无二的{
字节列表字节数_list=1；
浮动列表浮动列表=2；
Int64List int64_list=3；
}
};
消息特征{map feature=1；}；
消息示例{Features=1；}；
消息特征列表{重复特征=1；}；
消息特征列表{map feature_list=1；}；
消息序列示例{
特征上下文=1；
功能列表功能列表=2；
};

示例

包含一个

功能

，其中包含从功能名称到

功能

的映射，该映射包含一个

字节

列表，或一个

浮点

列表或一个

int64

列表

SequenceExample

还包含一个

Features

，但它也包含一个

FeatureList

，它包含从列表名称到

FeatureList

的映射，其中包含一个

Feature

的列表。因此，它可以做

示例

所能做的一切，甚至更多。但是你真的需要这些额外的功能吗？它有什么作用

由于每个

功能

都包含一个值列表，因此

功能列表

就是一个列表列表。这就是关键：如果您需要值列表，那么您需要

SequenceExample

例如，如果处理文本，可以将其表示为一个大字符串：

来自tensorflow.train导入字节列表
BytesList（value=[b“这是第一句话，这是另一句。”）

或者您可以将其表示为单词和标记的列表：

BytesList（值=[b“This”，b“is”，b“the”，b“first”，b“station”，b“，”b“And”，b“here”，
b“s”，b“另一个”，b“.”）

或者你可以分别代表每个句子。这就是您需要列表的地方：

来自tensorflow.train导入字节列表、特征、特征列表
s1=字节列表（值=[b“This”，b“is”，b“the”，b“first”，b“句子”，b”。）
s2=字节列表（值=[b“和”，b“这里”，b“s”，b“另一个”，b”。）
fl=特征列表（特征=[特征（字节列表=s1），特征（字节列表=s2）]）

然后创建序列示例：

来自tensorflow.train导入序列示例，功能列表
seq=序列示例（特征列表=特征列表={
“句子”：外语
}))

您可以将其序列化，并可能将其保存到TFRecord文件中

data=seq.SerializeToString（）

---

稍后，当您读取数据时，您可以使用

tf.io.parse\u single\u sequence\u example（）

在不久的将来，未记录的特性的实现可能会发生快速变化，其他属性也会发生变化；不建议使用，直到适当的文件。所以最好坚持使用

tf.train.Example