Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

tfds.features.Video

Lihat sumber di GitHub

FeatureConnector untuk video, encoding frame individual pada disk.

Mewarisi Dari: Sequence

Video: Konektor citra menerima sebagai masukan dimensi 4 tf.uint8 array yang mewakili video, urutan jalan untuk frame dikodekan, atau jalan atau benda file yang dapat diterjemahkan dengan ffmpeg. Perhatikan bahwa tidak semua format dukungan ffmpeg membaca dari pipa, sehingga memberikan file objek mungkin gagal. Selain itu, jika jalan yang diberikan yang tidak pada sistem file lokal, pertama kita salin ke file lokal sementara sebelum diteruskan ke ffmpeg.

Keluaran:

  • video : tf.Tensor jenis tf.uint8 dan bentuk [num_frames, tinggi, lebar, saluran], di mana saluran harus 1 atau 3

Contoh:

  • Di objek DatasetInfo:
 features=features.FeatureDict({
    'video': features.Video(shape=(None, 64, 64, 3)),
})
 
  • Selama generasi, Anda dapat menggunakan salah:
 yield {
    'video': np.ones(shape=(128, 64, 64, 3), dtype=np.uint8),
}
 

atau daftar frame:

 yield {
    'video': ['path/to/frame001.png', 'path/to/frame002.png'],
}
 

atau path ke video:

 yield {
    'video': '/path/to/video.avi',
}
 

atau file objek:

 yield {
    'video': tf.io.gfile.GFile('/complex/path/video.avi'),
}
 

shape tupel int, bentuk video (num_frames, tinggi, lebar, saluran), di mana saluran adalah 1 atau 3.
encoding_format video disimpan sebagai urutan gambar dikodekan. Anda dapat menggunakan format encoding yang didukung oleh image_feature.Feature.
ffmpeg_extra_args Urutan args tambahan untuk diteruskan ke biner ffmpeg. Secara khusus, ffmpeg akan disebut sebagai: ffmpeg -i <input_file> <ffmpeg_extra_args> %010d.<encoding_format>

ValueError Jika bentuknya tidak valid

dtype Kembalikan dtype (atau dict dari dtype) dari FeatureConnector ini.
feature Fitur batin.
shape Kembali bentuk (atau dict bentuk) dari FeatureConnector ini.

metode

decode_batch_example

Lihat sumber

Decode beberapa fitur batched dalam tf.Tensor tunggal.

Fungsi ini digunakan untuk fitur decode dibungkus tfds.features.Sequence() . Secara default, fungsi ini berlaku decode_example pada setiap elemen individu menggunakan tf.map_fn . Namun, untuk optimasi, fitur dapat menimpa metode ini untuk menerapkan decoding bets kustom.

args
tfexample_data Sama tf.Tensor masukan sebagai decode_example , tetapi dengan dan tambahan pertama dimensi untuk panjang urutan.

Pengembalian
tensor_data Tensor atau kamus dari tensor, output dari objek tf.data.Dataset

decode_example

Lihat sumber

Decode contoh cerita bersambung.

args
serialized_example Bersarang dict dari tf.Tensor
decoders Dict bersarang Decoder benda yang memungkinkan untuk menyesuaikan decoding. struktur harus sesuai dengan struktur fitur, tapi kunci fitur hanya disesuaikan perlu hadir. Lihat panduan untuk info lebih lanjut.

Pengembalian
example Bersarang dict yang berisi contoh bersarang yang diterjemahkan.

decode_ragged_example

Lihat sumber

Decode bersarang fitur dari tf.RaggedTensor a.

Fungsi ini digunakan untuk fitur decode dibungkus bersarang tfds.features.Sequence() . Secara default, fungsi ini berlaku decode_batch_example pada nilai-nilai datar dari tensor compang-camping. Untuk optimasi, fitur dapat menimpa metode ini untuk menerapkan decoding bets kustom.

args
tfexample_data tf.RaggedTensor masukan yang berisi contoh encoded bersarang.

Pengembalian
tensor_data Menterjemahkan tf.RaggedTensor atau kamus dari tensor, output dari objek tf.data.Dataset

encode_example

Lihat sumber

Mengubah citra yang diberikan ke dalam dict convertible untuk contoh tf.

get_serialized_info

Lihat sumber

Lihat kelas dasar untuk rincian.

get_tensor_info

Lihat sumber

Lihat kelas dasar untuk rincian.

load_metadata

Lihat sumber

Lihat kelas dasar untuk rincian.

save_metadata

Lihat sumber

Lihat kelas dasar untuk rincian.

__getitem__

Lihat sumber

Metode kenyamanan untuk mengakses fitur yang mendasari.