اشیاء «SparseTensor» را از حالت سریال خارج کنید.
ورودی "serialized_sparse" باید شکل "[?، ?، ...، ?، 3]" داشته باشد که در آن آخرین بعد اشیاء سریال SparseTensor را ذخیره می کند و ابعاد N دیگر (N >= 0) با یک دسته مطابقت دارد. رتبههای اشیاء «SparseTensor» اصلی باید همه مطابقت داشته باشند. هنگامی که "SparseTensor" نهایی ایجاد می شود، رتبه آن رتبه اشیاء "SparseTensor" ورودی به اضافه N است. تانسورهای پراکنده در امتداد ابعاد جدید، یکی برای هر دسته، به هم متصل شده اند.
مقادیر شکل جسم «SparseTensor» خروجی برای ابعاد اصلی، حداکثر در سراسر مقادیر شکل اشیاء «SparseTensor» ورودی برای ابعاد مربوطه است. ابعاد جدید با اندازه دسته مطابقت دارد.
شاخصهای اشیاء «SparseTensor» ورودی به ترتیب واژگانی استاندارد مرتب شدهاند. اگر اینطور نیست، پس از این مرحله «SparseReorder» را اجرا کنید تا ترتیب فهرست را بازیابی کنید.
برای مثال، اگر ورودی سریالسازیشده یک ماتریس «[2 x 3]» باشد که دو شی «SparseTensor» اصلی را نشان میدهد:
شاخص = [0] [10] [20] مقادیر = [1، 2، 3] شکل = [50]
و
شاخص = [2] [10] مقادیر = [4، 5] شکل = [30]
سپس «SparseTensor» نهایی غیرسریالیزه شده به صورت زیر خواهد بود:
شاخص = [0 0] [0 10] [0 20] [1 2] [1 10] مقادیر = [1، 2، 3، 4، 5] شکل = [2 50]
ثابت ها
رشته | OP_NAME | نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود |
روش های عمومی
static <U گسترش TType > DeserializeSparse <U> | |
خروجی < TINT64 > | |
خروجی < TINT64 > | شکل پراکنده () |
خروجی <U> | sparseValues () |
روش های ارثی
ثابت ها
رشته نهایی ثابت عمومی OP_NAME
نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود
روش های عمومی
عمومی ایستا DeserializeSparse <U> ایجاد ( دامنه دامنه ، عملوند <? گسترش TType > serializedSparse، Class<U> dtype)
روش کارخانه برای ایجاد کلاسی که یک عملیات DeserializeSparse جدید را بسته بندی می کند.
مولفه های
محدوده | محدوده فعلی |
---|---|
سریال Sparse | اشیاء سریال «SparseTensor». بعد آخر باید 3 ستون داشته باشد. |
dtype | «dtype» اشیاء سریال «SparseTensor». |
برمی گرداند
- یک نمونه جدید از DeserializeSparse