TensorFlow中的嵌套结构是什么？

Question

翻阅tf.data.Datasets的文档，我发现经常提到“嵌套结构”。这到底是什么意思？可以将任何Python数据类型视为嵌套结构（例如(1,3, (7,6, (0), 5))或dict(k=dict(3), 7, None）还是专门指TensorFlow数据类型？

Answer 1

当前支持的结构类型为 var result = Math.exp( - dividendy * self.expiry) * ((self.type !== 'put') ? Nd1 : (Nd1 - 1)); // ^---------- added parentheses ----------^ ，tuple和dict。

来自https://www.tensorflow.org/api_docs/python/tf/data/Dataset：

通用术语：元素：调用a的next（）的单个输出 数据集迭代器。元素可以是包含以下内容的嵌套结构 多个组件。例如，元素（1，（3，“ apple”））具有 一个元组嵌套在另一个元组中。组件是1、3和 “苹果”。组件：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，命名为 元组和字典。元素组件可以是任何类型 可以由tf.TypeSpec表示，包括tf.Tensor，tf.data.Dataset， tf.SparseTensor，tf.RaggedTensor和tf.TensorArray。

Answer 2

在此处为社区的利益提供评论部分的答案。

Nested Structure中的

TensorFlow通常是指包含张量值的tuple或dict或其他嵌套结构。
典型的情况是一个数据集，其中每个元素都是一对(x, y)进行训练，但是如果您有多个输入dict {'x': x, 'y': y}，则也可以有一个((x1, x2), y)或一个嵌套的元组。 br /> 数据集使您可以在其中具有张量结构，以方便使用。
请参见tf.data上的指南的Dataset structure。