具有多维数组的 tf.SequenceExample

在 Tensorflow 中，我想将多维数组保存到 TFRecord。例如：

[[1, 2, 3], [1, 2], [3, 2, 1]]

由于我试图解决的任务是连续的，因此我尝试使用 Tensorflowtf.train.SequenceExample()当写入数据时，我成功地将数据写入 TFRecord 文件。但是，当我尝试使用 TFRecord 文件加载数据时tf.parse_single_sequence_example，我遇到了大量神秘的错误：

W tensorflow/core/framework/op_kernel.cc:936] Invalid argument: Name: , Key: input_characters, Index: 1.  Number of int64 values != expected.  values size: 6 but output shape: []
E tensorflow/core/client/tensor_c_api.cc:485] Name: , Key: input_characters, Index: 1.  Number of int64 values != expected.  values size: 6 but output shape: []

我用来尝试加载数据的函数如下：

def read_and_decode_single_example(filename):

    filename_queue = tf.train.string_input_producer([filename],
                                                num_epochs=None)

    reader = tf.TFRecordReader()
    _, serialized_example = reader.read(filename_queue)

    context_features = {
         "length": tf.FixedLenFeature([], dtype=tf.int64)
    }

    sequence_features = {
         "input_characters": tf.FixedLenSequenceFeature([],           dtype=tf.int64),
         "output_characters": tf.FixedLenSequenceFeature([], dtype=tf.int64)
    }

    context_parsed, sequence_parsed = tf.parse_single_sequence_example(
    serialized=serialized_example,
    context_features=context_features,
    sequence_features=sequence_features
)

context = tf.contrib.learn.run_n(context_parsed, n=1, feed_dict=None)
print context

我用来保存数据的函数在这里：

# http://www.wildml.com/2016/08/rnns-in-tensorflow-a-practical-guide-and-undocumented-features/
def make_example(input_sequence, output_sequence):
    """
    Makes a single example from Python lists that follows the
    format of tf.train.SequenceExample.
    """

    example_sequence = tf.train.SequenceExample()

    # 3D length
    sequence_length = sum([len(word) for word in input_sequence])
    example_sequence.context.feature["length"].int64_list.value.append(sequence_length)

    input_characters = example_sequence.feature_lists.feature_list["input_characters"]
    output_characters = example_sequence.feature_lists.feature_list["output_characters"]

    for input_character, output_character in izip_longest(input_sequence,
                                                          output_sequence):

        # Extend seems to work, therefore it replaces append.
        if input_sequence is not None:
            input_characters.feature.add().int64_list.value.extend(input_character)

        if output_characters is not None:
            output_characters.feature.add().int64_list.value.extend(output_character)

    return example_sequence

任何帮助都会受到欢迎。

我有同样的问题。我认为这是完全可以解决的，但是你必须决定输出格式，然后弄清楚你将如何使用它。

First 你的错误是什么？

该错误消息告诉您，您尝试读取的内容不适合您指定的特征尺寸。那么你在哪里指定的呢？就在这儿：

sequence_features = {
    "input_characters": tf.FixedLenSequenceFeature([], dtype=tf.int64),
    "output_characters": tf.FixedLenSequenceFeature([], dtype=tf.int64)
}

这表示“我的 input_characters 是单个值的序列”，但事实并非如此；你所拥有的是一系列单个值的序列，因此是一个错误。

Second 你能做什么？

如果您改为使用：

a = [[1,2,3], [2,3,1], [3,2,1]] 
sequence_features = {
    "input_characters": tf.FixedLenSequenceFeature([3], dtype=tf.int64),
    "output_characters": tf.FixedLenSequenceFeature([3], dtype=tf.int64)
}

您的代码不会出现错误，因为您已指定顶级序列的每个元素的长度为 3 个元素。

或者，如果您没有固定长度的序列，那么您将不得不使用不同类型的功能。

sequence_features = {
    "input_characters": tf.VarLenFeature(tf.int64),
    "output_characters": tf.VarLenFeature(tf.int64)
}

VarLenFeature 告诉它在读取之前长度是未知的。不幸的是，这意味着您的 input_characters 无法再一步读取为密集向量。相反，它将是一个稀疏张量 https://www.tensorflow.org/api_docs/python/tf/SparseTensor默认情况下。你可以把它变成一个稠密张量tf.sparse_tensor_to_dense https://www.tensorflow.org/api_docs/python/tf/sparse_tensor_to_dense eg:

input_densified = tf.sparse_tensor_to_dense(sequence_parsed['input_characters'])

正如中提到的文章 http://www.wildml.com/2016/08/rnns-in-tensorflow-a-practical-guide-and-undocumented-features/您一直在查看的数据，如果您的数据并不总是具有相同的长度，您的词汇表中必须有一个“not_really_a_word”单词，您可以将其用作默认索引。例如假设您有索引 0 映射到“not_really_a_word”单词，然后使用您的

a = [[1,2,3],  [2,3],  [3,2,1]]

python 列表最终将成为

array((1,2,3),  (2,3,0),  (3,2,1))

tensor.

被警告;我不确定反向传播对于稀疏张量“是否有效”，就像对于密集张量一样。这野生ML文章 http://www.wildml.com/2016/08/rnns-in-tensorflow-a-practical-guide-and-undocumented-features/讨论了每个序列填充 0 来掩盖“not_actually_a_word”单词的损失（请参阅他们的文章中的“旁注：小心您的词汇/类中的 0”）。这似乎表明第一种方法会更容易实现。

请注意，这与此处描述的情况不同，其中每个示例都是序列的序列。据我了解，这种方法之所以得不到很好的支持，是因为它滥用了本应支持的案例；直接加载固定大小的嵌入。

我假设您接下来要做的就是将这些数字转换为词嵌入。您可以将索引列表转换为嵌入列表tf.nn.embedding_lookup