Facilita a portabilidade de código que usa tf.nn.embedding_lookup_sparse().
embedding_indices[i] e agregation_weights[i] correspondem ao i-ésimo recurso.
Os tensores nas posições correspondentes nas três listas de entrada (sample_indices, embedding_indices e agregation_weights) devem ter a mesma forma, ou seja, classificação 1 com dim_size() igual ao número total de pesquisas na tabela descrita pelo recurso correspondente.
Classes aninhadas
aula | DynamicEnqueueTPUEmbeddingArbitraryTensorBatch.Options | Atributos opcionais para DynamicEnqueueTPUEmbeddingArbitraryTensorBatch |
Métodos Públicos
estático DynamicEnqueueTPUEmbeddingArbitraryTensorBatch.Options | combinadores (combinadores List<String>) |
static <T estende o número, U estende o número, V estende o número> DynamicEnqueueTPUEmbeddingArbitraryTensorBatch | create ( Scope scope, Iterable< Operand <T>> sampleIndicesOrRowSplits, Iterable< Operand <U>> embeddingIndices, Iterable< Operand <V>> gregationWeights, Operand <String> modeOverride, Operand <Integer> deviceOrdinal, Options... options) Método de fábrica para criar uma classe que agrupa uma nova operação DynamicEnqueueTPUEmbeddingArbitraryTensorBatch. |
Métodos herdados
Métodos Públicos
combinadores public static DynamicEnqueueTPUEmbeddingArbitraryTensorBatch.Options (combinadores List<String>)
Parâmetros
combinadores | Uma lista de escalares de cadeia de caracteres, um para cada tabela de incorporação que especifica como normalizar as ativações de incorporação após a soma ponderada. Os combinadores suportados são 'mean', 'sum' ou 'sqrtn'. É inválido que a soma dos pesos seja 0 para 'média' ou que a soma dos pesos quadrados seja 0 para 'sqrtn'. Se os combinadores não forem passados, o padrão é usar 'soma' para todas as tabelas. |
---|
public static DynamicEnqueueTPUEmbeddingArbitraryTensorBatch create ( Scope scope, Iterable< Operand <T>> sampleIndicesOrRowSplits, Iterable< Operand <U>> embeddingIndices, Iterable< Operand <V>> gregationWeights, Operand <String> modeOverride, Operand <Integer> deviceOrdinal, Options.. .opções )
Método de fábrica para criar uma classe que agrupa uma nova operação DynamicEnqueueTPUEmbeddingArbitraryTensorBatch.
Parâmetros
escopo | escopo atual |
---|---|
amostraIndicesOrRowSplits | Uma lista de tensores de classificação 2 especificando o exemplo de treinamento ao qual pertencem os valores embedding_indices e agregation_weights correspondentes. Se o tamanho de sua primeira dimensão for 0, assumimos que cada embedding_indices pertence a uma amostra diferente. Tanto int32 quanto int64 são permitidos e serão convertidos para int32 internamente. Ou uma lista de tensores de classificação 1 especificando as divisões de linha para dividir embedding_indices e agregation_weights em linhas. Corresponde a ids.row_splits em embedding_lookup(), quando ids é um RaggedTensor. Ao enfileirar o tensor irregular ND, apenas a última dimensão pode ser irregular. a divisão da linha é um tensor denso 1-D. Quando vazio, assumimos que um tensor denso é passado para a operação. Tanto int32 quanto int64 são permitidos e serão convertidos para int32 internamente. |
incorporação de índices | Uma lista de tensores de classificação 1, índices nas tabelas de incorporação. Tanto int32 quanto int64 são permitidos e serão convertidos para int32 internamente. |
agregaçãoPesos | Uma lista de tensores de classificação 1 contendo pesos de agregação por exemplo de treinamento. Tanto float32 quanto float64 são permitidos e serão convertidos para float32 internamente. |
modoSubstituir | Uma entrada de string que substitui o modo especificado em TPUEmbeddingConfiguration. Os valores suportados são {'unspecified', 'inference', 'training', 'backward_pass_only'}. Quando definido como 'não especificado', o modo definido em TPUEmbeddingConfiguration é usado, caso contrário, mode_override é usado. |
dispositivoOrdinal | O dispositivo TPU a ser usado. Deve ser >= 0 e menor que o número de núcleos de TPU na tarefa na qual o nó está colocado. |
opções | carrega valores de atributos opcionais |
Devoluções
- uma nova instância de DynamicEnqueueTPUEmbeddingArbitraryTensorBatch