Menyusun ulang SparseTensor ke dalam pengurutan baris-mayor kanonik.
Perhatikan bahwa berdasarkan konvensi, semua operasi renggang mempertahankan urutan kanonik seiring bertambahnya jumlah dimensi. Satu-satunya waktu pemesanan dapat dilanggar adalah selama manipulasi manual indeks dan nilai vektor untuk menambahkan entri.
Penataan ulang tidak memengaruhi bentuk SparseTensor.
Jika tensor memiliki nilai rank `R` dan `N` yang tidak kosong, `input_indices` memiliki bentuk `[N, R]`, input_values memiliki panjang `N`, dan input_shape memiliki panjang `R`.
Konstanta
| Rangkaian | OP_NAME | Nama operasi ini dikenal dengan mesin inti TensorFlow |
Metode Publik
| statis <T memperluas TType > SparseReorder <T> | |
| Keluaran < TInt64 > | Indeks keluaran () 2-D. |
| Keluaran <T> | Nilai keluaran () 1-D. |
Metode Warisan
Konstanta
String akhir statis publik OP_NAME
Nama operasi ini dikenal dengan mesin inti TensorFlow
Metode Publik
public static SparseReorder <T> buat ( Lingkup lingkup, Operan < TInt64 > inputIndices, Operan <T> inputValues, Operan < TInt64 > inputShape)
Metode pabrik untuk membuat kelas yang membungkus operasi SparseReorder baru.
Parameter
| cakupan | ruang lingkup saat ini |
|---|---|
| masukanIndeks | 2-D. Matriks `N x R` dengan indeks nilai tidak kosong dalam SparseTensor, mungkin tidak dalam urutan kanonik. |
| nilai masukan | 1-D. `N` nilai tidak kosong yang sesuai dengan `input_indices`. |
| bentuk masukan | 1-D. Bentuk masukan SparseTensor. |
Kembali
- contoh baru dari SparseReorder
Keluaran publik < TInt64 > Indeks keluaran ()
2-D. Matriks `N x R` dengan indeks yang sama dengan indeks_input, tetapi dalam urutan baris-mayor kanonik.
Keluaran publik <T> Nilai keluaran ()
1-D. `N` nilai tidak kosong yang sesuai dengan `output_indices`.