Я пытаюсь обучить некоторые вложения и помещаю свой набор данных в форму записи. Когда я пишу один пример в файл примерно так:
tf_features = {
'given': int64_feature(given),
'context': bytes_feature(np.array(context).tostring())
}
writer.write(tf.train.Example(features=tf.train.Features(feature=tf_features)).SerializeToString())
, где int64_feature
и bytes_feature
определены как:
def bytes_feature(val):
return tf.train.Feature(bytes_list=tf.train.BytesList(value=[val]))
def int64_feature(val):
return tf.train.Feature(int64_list=tf.train.Int64List(value=[val]))
и я распечатываю пример (данный, контекстный) пары, я получаю что-то вроде: (698, [686, 439, 464, 775])
, что хорошо.
Однако, когда я пытаюсь прочитать из того же файла, вот так:
def parse_example(w, tf_example):
feats_dict = {
'given': tf.FixedLenFeature([], tf.int64, default_value=0),
'context': tf.FixedLenFeature([], tf.string)
}
features = tf.parse_single_example(tf_example, feats_dict)
context = tf.decode_raw(features['context'], tf.int64)
context_feats = dict()
ctx_idx = 0
for i in range(w):
if i == w//2: continue
context_feats['context%d' % ctx_idx] = context[ctx_idx]
ctx_idx += 1
return context_feats, features['given']
dataset = tf.data.TFRecordDataset([fname]).map(partial(parse_example, 5))
iterator = dataset.make_one_shot_iterator()
with tf.Session() as sess:
iter_features, iter_labels = iterator.get_next()
features = sess.run(iter_features)
labels = sess.run(iter_labels)
print(features, labels)
Для той же пары контекста, что и раньше, я получаю (464, [686, 439, 464, 775])
. Данная метка всегда является третьей от меток контекста.
Я часами смотрю на этот код, но я в тупике. Кто-нибудь знает, что происходит?