เชื่อมต่อรายการ `SparseTensor` ตามมิติข้อมูลที่ระบุ
การต่อข้อมูลจะขึ้นอยู่กับเวอร์ชันหนาแน่นของเทนเซอร์แบบกระจัดกระจายเหล่านี้ สันนิษฐานว่าแต่ละอินพุตเป็น `SparseTensor` ซึ่งมีองค์ประกอบเรียงลำดับตามหมายเลขมิติที่เพิ่มขึ้น
รูปร่างของอินพุตทั้งหมดต้องตรงกัน ยกเว้นมิติที่เชื่อมต่อกัน รายการ "ดัชนี" "ค่า" และ "รูปร่าง" ต้องมีความยาวเท่ากัน
รูปร่างเอาต์พุตจะเหมือนกันกับอินพุต ยกเว้นตามมิติการเชื่อมต่อ โดยที่เป็นผลรวมของขนาดอินพุตตามมิตินั้น
องค์ประกอบเอาต์พุตจะถูกนำมาใช้เพื่อรักษาลำดับการจัดเรียงตามหมายเลขมิติที่เพิ่มขึ้น
การดำเนินการนี้ทำงานในเวลา `O(M log M)` โดยที่ `M` คือจำนวนรวมของค่าที่ไม่ว่างเปล่าในอินพุตทั้งหมด นี่เป็นเพราะความจำเป็นในการเรียงลำดับภายในเพื่อที่จะเชื่อมต่อข้ามมิติต่างๆ ได้อย่างมีประสิทธิภาพ
ตัวอย่างเช่น ถ้า `concat_dim = 1` และอินพุตเป็น
sp_inputs[0]: รูปร่าง = [2, 3] [0, 2]: "a" [1, 0]: "b" [1, 1]: "c"
sp_inputs[1]: รูปร่าง = [2, 4] [0, 1]: "d" [0, 2]: "e"
จากนั้นผลลัพธ์จะเป็น
รูปร่าง = [2, 7] [0, 2]: "a" [0, 4]: "d" [0, 5]: "e" [1, 0]: "b" [1, 1]: " ค"
กราฟิกนี้เทียบเท่ากับการทำ
[ ก] เชื่อมต่อ [ เดอ ] = [ ade ] [bc ] [ ] [bc ]
ค่าคงที่
| สตริง | OP_NAME | ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow |
วิธีการสาธารณะ
| คงที่ <T ขยาย TType > SparseConcat <T> | |
| เอาท์พุต <TInt64> | ดัชนีเอาท์พุท () 2-D |
| เอาท์พุต <TInt64> | รูปร่างเอาท์พุท () 1-D. |
| เอาท์พุต <T> | ค่าเอาท์พุต () 1-D. |
วิธีการสืบทอด
ค่าคงที่
สตริงสุดท้ายแบบคงที่สาธารณะ OP_NAME
ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow
วิธีการสาธารณะ
สร้าง SparseConcat <T> แบบคงที่สาธารณะ (ขอบเขต ขอบเขต , Iterable< Operand < TInt64 >> ดัชนี, Iterable< Operand <T>> ค่า, Iterable< Operand < TInt64 >> รูปร่าง, Long concatDim)
วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ SparseConcat ใหม่
พารามิเตอร์
| ขอบเขต | ขอบเขตปัจจุบัน |
|---|---|
| ดัชนี | 2-D ดัชนีของแต่ละอินพุต `SparseTensor` |
| ค่านิยม | 1-D. ค่าที่ไม่ว่างเปล่าของ `SparseTensor` แต่ละรายการ |
| รูปร่าง | 1-D. รูปร่างของ `SparseTensor` แต่ละตัว |
| concatDim | มิติที่จะเชื่อมต่อเข้าด้วยกัน ต้องอยู่ในช่วง [-rank, rank) โดยที่ rank คือจำนวนมิติข้อมูลในอินพุต `SparseTensor` แต่ละรายการ |
การส่งคืน
- อินสแตนซ์ใหม่ของ SparseConcat
เชื่อมต่อรายการ `SparseTensor` ตามมิติข้อมูลที่ระบุ
การต่อข้อมูลจะขึ้นอยู่กับเวอร์ชันหนาแน่นของเทนเซอร์แบบกระจัดกระจายเหล่านี้ สันนิษฐานว่าแต่ละอินพุตเป็น `SparseTensor` ซึ่งมีองค์ประกอบเรียงลำดับตามหมายเลขมิติที่เพิ่มขึ้น
รูปร่างของอินพุตทั้งหมดต้องตรงกัน ยกเว้นมิติที่เชื่อมต่อกัน รายการ "ดัชนี" "ค่า" และ "รูปร่าง" ต้องมีความยาวเท่ากัน
รูปร่างเอาต์พุตจะเหมือนกันกับอินพุต ยกเว้นตามมิติการเชื่อมต่อ โดยที่เป็นผลรวมของขนาดอินพุตตามมิตินั้น
องค์ประกอบเอาต์พุตจะถูกนำมาใช้เพื่อรักษาลำดับการจัดเรียงตามหมายเลขมิติที่เพิ่มขึ้น
การดำเนินการนี้ทำงานในเวลา `O(M log M)` โดยที่ `M` คือจำนวนรวมของค่าที่ไม่ว่างเปล่าในอินพุตทั้งหมด นี่เป็นเพราะความจำเป็นในการเรียงลำดับภายในเพื่อที่จะเชื่อมต่อข้ามมิติต่างๆ ได้อย่างมีประสิทธิภาพ
ตัวอย่างเช่น ถ้า `concat_dim = 1` และอินพุตเป็น
sp_inputs[0]: รูปร่าง = [2, 3] [0, 2]: "a" [1, 0]: "b" [1, 1]: "c"
sp_inputs[1]: รูปร่าง = [2, 4] [0, 1]: "d" [0, 2]: "e"
จากนั้นผลลัพธ์จะเป็น
รูปร่าง = [2, 7] [0, 2]: "a" [0, 4]: "d" [0, 5]: "e" [1, 0]: "b" [1, 1]: " ค"
กราฟิกนี้เทียบเท่ากับการทำ
[ ก] เชื่อมต่อ [ เดอ ] = [ ade ] [bc ] [ ] [bc ]
ค่าคงที่
| สตริง | OP_NAME | ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow |
วิธีการสาธารณะ
| คงที่ <T ขยาย TType > SparseConcat <T> | |
| เอาท์พุต <TInt64> | ดัชนีเอาท์พุท () 2-D |
| เอาท์พุต <TInt64> | รูปร่างเอาท์พุท () 1-D. |
| เอาท์พุต <T> | ค่าเอาท์พุต () 1-D. |
วิธีการสืบทอด
ค่าคงที่
สตริงสุดท้ายแบบคงที่สาธารณะ OP_NAME
ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow
วิธีการสาธารณะ
สร้าง SparseConcat <T> แบบคงที่สาธารณะ (ขอบเขต ขอบเขต , Iterable< Operand < TInt64 >> ดัชนี, Iterable< Operand <T>> ค่า, Iterable< Operand < TInt64 >> รูปร่าง, Long concatDim)
วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ SparseConcat ใหม่
พารามิเตอร์
| ขอบเขต | ขอบเขตปัจจุบัน |
|---|---|
| ดัชนี | 2-D ดัชนีของแต่ละอินพุต `SparseTensor` |
| ค่านิยม | 1-D. ค่าที่ไม่ว่างเปล่าของ `SparseTensor` แต่ละรายการ |
| รูปร่าง | 1-D. รูปร่างของ `SparseTensor` แต่ละตัว |
| concatDim | มิติที่จะเชื่อมต่อเข้าด้วยกัน ต้องอยู่ในช่วง [-rank, rank) โดยที่ rank คือจำนวนมิติข้อมูลในอินพุต `SparseTensor` แต่ละรายการ |
การส่งคืน
- อินสแตนซ์ใหม่ของ SparseConcat