희소 및 조밀 텐서 목록에서 희소 교차를 생성합니다.
이 작업은 2D `SparseTensor` 중 하나와 2D `Tensor` 중 하나, 각각 하나의 특성 열의 특성을 나타내는 두 개의 목록을 사용합니다. 이러한 기능의 배치별 교차를 사용하여 2D 'SparseTensor'를 출력합니다.
예를 들어, 입력이 다음과 같은 경우
입력[0]: 모양이 [2, 2] [0, 0]인 SparseTensor: "a" [1, 0]: "b" [1, 1]: "c"
입력[1]: 모양이 [2, 1] [0, 0]인 SparseTensor: "d" [1, 0]: "e"
입력[2]: 텐서 [["f"], ["g"]]
그러면 출력은 다음과 같습니다
모양 = [2, 2] [0, 0]: "a_X_d_X_f" [1, 0]: "b_X_e_X_g" [1, 1]: "c_X_e_X_g"
hashed_output=true이면 출력은 다음과 같습니다.
모양 = [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" )))
상수
| 끈 | OP_NAME | TensorFlow 코어 엔진에서 알려진 이 작업의 이름 |
공개 방법
| 정적 SparseCross | |
| 출력 < TInt64 > | 출력 인덱스 () 2D. |
| 출력 < TInt64 > | 출력모양 () 1-D. |
| 출력 < TString > | 출력값 () 1-D. |
상속된 메서드
상수
공개 정적 최종 문자열 OP_NAME
TensorFlow 코어 엔진에서 알려진 이 작업의 이름
공개 방법
public static SparseCross create ( Scope 범위, Iterable< Operand < TInt64 >> 인덱스, Iterable< Operand <?>> 값, Iterable< Operand < TInt64 >> 모양, Iterable< Operand <?>>densenseInputs, Operand < TString > sep)
새로운 SparseCross 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
| 범위 | 현재 범위 |
|---|---|
| 지수 | 2D. 각 입력 `SparseTensor`의 인덱스입니다. |
| 가치 | 1-D. 각 `SparseTensor`의 값. |
| 모양 | 1-D. 각 `SparseTensor`의 모양. |
| 밀집된 입력 | 2D. 조밀한 'Tensor'로 표시되는 열입니다. |
| 9월 | 문자열 입력 목록을 결합할 때 사용되는 문자열은 나중에 구분 기호로 사용할 수 있습니다. |
보고
- SparseCross의 새로운 인스턴스