什么是TensorFlow中的嵌套结构？

Question

翻阅了文档中的 tf.datasets我看到这里经常提到 "嵌套结构"。这到底是什么意思？任何Python数据类型都可以被认为是一个嵌套结构 (例如。(1,3, (7,6, (0), 5)) 或 dict(k=dict(3), 7, None)还是特指TensorFlow的数据类型？

Answer 1

在这里从评论区提供答案，以飨社区。

Nested Structure 在 TensorFlow 一般指 tuple 或 dict 包含张量值，或其他嵌套结构。 典型的例子是一个数据集，其中每个元素都是一个 (x, y) 训练用的一对，但你也可以有一个。dict {'x': x, 'y': y}如果你有多个输入，则为嵌套元组。((x1, x2), y). 为了方便，数据集允许你在其中有时序的结构。 请看 数据集结构 指南》的内容 tf.data.

Answer 2

目前支持的结构类型有 tuple, dict和 namedtuple.

从 https:/www.tensorflow.orgapi_docspythontfdataDataset:

通用术语。元素。在数据集迭代器上调用next()的单一输出。元素可以是包含多个组件的嵌套结构。例如，元素(1，(3，"apple"))有一个元组嵌套在另一个元组中。元素是1、3和 "apple"。元素。元素嵌套结构中的叶子。

支持的类型。元素可以是元组的嵌套结构、命名元组和字典。元素组件可以是任何可由tf.TypeSpec表示的类型，包括tf.Tensor、tf.data.Dataset、tf.SparseTensor、tf.RaggedTensor和tf.TensorArray。