Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

tfds.features.Video

Zobacz źródło na GitHub

FeatureConnector filmy, kodowania klatek indywidualnie na dysku.

Dziedziczy: Sequence

Film: Złącze obrazu przyjmuje jako dane wejściowe 4 wymiarową tf.uint8 tablicę reprezentującą wideo, sekwencję ścieżek do kodowanych ramek lub ścieżkę lub obiekt pliku, który może być dekodowany z FFmpega. Należy pamiętać, że nie wszystkie formaty w ffmpeg wsparcia odczytu z rur, więc zapewnienie obiekt pliku może zakończyć się niepowodzeniem. Ponadto, jeśli ścieżka jest podane, że nie jest na lokalnym systemie plików, najpierw skopiuj go do tymczasowego pliku lokalnym przed przekazaniem go do ffmpeg.

Wynik:

  • video : tf.Tensor TYPE tf.uint8 i kształt [num_frames, wysokość, szerokość kanałów], gdzie kanały muszą być jeden lub 3

Przykład:

  • W obiekcie DatasetInfo:
 features=features.FeatureDict({
    'video': features.Video(shape=(None, 64, 64, 3)),
})
 
  • Podczas generacji, można użyć dowolnej z:
 yield {
    'video': np.ones(shape=(128, 64, 64, 3), dtype=np.uint8),
}
 

lub lista ramek:

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

lub ścieżkę do filmu:

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

lub obiekt pliku:

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

shape krotką wskazówki, kształtem wideo (num_frames, wysokość, szerokość), w którym kanały kanałów wynosi 1 lub 3.
encoding_format Wideo przechowywany jest w postaci sekwencji kodowanych obrazów. Można użyć dowolnego formatu kodowania obsługiwanego przez image_feature.Feature.
ffmpeg_extra_args Sekwencja dodatkowe args być przekazane do binarnego ffmpeg. Konkretnie, ffmpeg, będzie nazwane jako: ffmpeg -i <input_file> <ffmpeg_extra_args> %010d.<encoding_format>

ValueError Jeżeli kształt jest nieprawidłowy

dtype Zwraca dtype (lub dict z dtype) tego FeatureConnector.
feature Wewnętrzna funkcja.
shape Powrót kształt (lub dict kształtu) tej FeatureConnector.

metody

decode_batch_example

Pokaż źródło

Decode wiele funkcji grupować w jednym tf.Tensor.

Ta funkcja służy do funkcji dekodowania owiniętych tfds.features.Sequence() . Domyślnie funkcja ta stosuje decode_example na poszczególnych elementów wykorzystujących tf.map_fn . Jednak dla optymalizacji funkcje mogą zastąpić tę metodę, aby zastosować do dekodowania zwyczaj partii.

args
tfexample_data Same tf.Tensor wejść jako decode_example , ale i dodatkowe pierwszy wymiar długości sekwencji.

Zwroty
tensor_data Tensor tensora lub słownika, wyjście z obiektu tf.data.Dataset

decode_example

Pokaż źródło

Dekodować przykłady serializacji.

args
serialized_example Zagnieżdżona dict z tf.Tensor
decoders Zagnieżdżona DICT z Decoder obiektów, które pozwalają na dostosowanie dekodowania. Struktura powinna odpowiadać strukturze funkcji, ale tylko dostosowane programowalnych klawiszy muszą być obecne. Zobacz przewodnik po więcej informacji.

Zwroty
example Zagnieżdżone dict zawierający zdekodowane zagnieżdżone przykłady.

decode_ragged_example

Pokaż źródło

Decode zagnieżdżone funkcje z tf.RaggedTensor.

Ta funkcja służy do funkcji dekodowania owiniętych zagnieżdżonej tfds.features.Sequence() . Domyślnie funkcja ta stosuje decode_batch_example na płaskich wartości tensora obdarty. Dla optymalizacji funkcji może zastąpić tę metodę, aby zastosować do dekodowania zwyczaj partii.

args
tfexample_data tf.RaggedTensor wejścia zawierające zagnieżdżone zakodowanych przykłady.

Zwroty
tensor_data Dekodowany tf.RaggedTensor lub Słownik tensora, wyjście z obiektu tf.data.Dataset

encode_example

Pokaż źródło

Przekształca dany obraz w dict wymienialnej na przykład TF.

get_serialized_info

Pokaż źródło

Zobacz bazową klasę dla szczegółów.

get_tensor_info

Pokaż źródło

Zobacz bazową klasę dla szczegółów.

load_metadata

Pokaż źródło

Zobacz bazową klasę dla szczegółów.

save_metadata

Pokaż źródło

Zobacz bazową klasę dla szczegółów.

__getitem__

Pokaż źródło

Metoda wygoda dostępu do funkcji bazowych.