صلیب پراکنده را از لیستی از تانسورهای پراکنده و متراکم ایجاد می کند.
این عملیات دو لیست دارد، یکی از «SparseTensor» دو بعدی و دیگری «Tensor» دو بعدی، که هر کدام ویژگیهای یک ستون ویژگی را نشان میدهند. یک «SparseTensor» دو بعدی با تلاقی دسته ای این ویژگی ها را خروجی می دهد.
به عنوان مثال، اگر ورودی ها هستند
ورودی[0]: SparseTensor با شکل = [2، 2] [0، 0]: "a" [1، 0]: "b" [1، 1]: "c"
ورودیها[1]: SparseTensor با شکل = [2، 1] [0، 0]: "d" [1، 0]: "e"
ورودیها [2]: تانسور [["f"]، ["g"]]
سپس خروجی خواهد بود
شکل = [2، 2] [0، 0]: "a_X_d_X_f" [1، 0]: "b_X_e_X_g" [1، 1]: "c_X_e_X_g"
اگر hashed_output=true باشد، خروجی خواهد بود
shape = [2, 2] [0, 0]: FingerprintCat64(Fingerprint64("f")، FingerprintCat64(Fingerprint64("d")، Fingerprint64("a"))) [1، 0]: FingerprintCat64(Fingerprint64(" g")، FingerprintCat64(Fingerprint64("e")، Fingerprint64("b"))) [1، 1]: FingerprintCat64(Fingerprint64("g")، FingerprintCat64(Fingerprint64("e")، Fingerprint64("c") )))
ثابت ها
رشته | OP_NAME | نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود |
روش های عمومی
SparseCross استاتیک | |
خروجی < TINT64 > | شاخص های خروجی () 2-D. |
خروجی < TINT64 > | خروجی شکل () 1-D. |
خروجی < TRString > | مقادیر خروجی () 1-D. |
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
ایجاد عمومی SparseCross static ( دامنه دامنه ، Iterable< Operand < TInt64 >> شاخص ها، Iterable< Operand <?>> مقادیر، Iterable< Operand < TInt64 >> اشکال، Iterable< Operand <?>> denseInputs، Operand < TString > sep)
روش کارخانه برای ایجاد کلاسی که یک عملیات جدید SparseCross را بسته بندی می کند.
مولفه های
محدوده | محدوده فعلی |
---|---|
شاخص ها | 2-D. شاخص های هر ورودی «SparseTensor». |
ارزش های | 1-D. مقادیر هر «SparseTensor». |
شکل ها | 1-D. اشکال هر «SparseTensor». |
denseInputs | 2-D. ستونهایی که با «تنسور» متراکم نشان داده میشوند. |
سپتامبر | رشته ای که هنگام پیوستن به لیست ورودی های رشته استفاده می شود، می تواند بعداً به عنوان جداکننده استفاده شود. |
برمی گرداند
- یک نمونه جدید از SparseCross