SparseToSparseSetOperation

kelas akhir publik SparseToSparseSetOperation

Menerapkan operasi set sepanjang dimensi terakhir dari 2 input `SparseTensor`.

Lihat SetOperationOp::SetOperationFromContext untuk mengetahui nilai `set_operation`.

Jika `validate_indices` adalah `True`, `sparse.SparseToSparseSetOperation` akan memvalidasi urutan dan rentang indeks `set1` dan `set2`.

Input `set1` adalah `SparseTensor` yang diwakili oleh `set1_indices`, `set1_values`, dan `set1_shape`. Untuk `set1` yang diberi peringkat `n`, dimensi `n-1` pertama harus sama dengan `set2`. Dimensi `n` berisi nilai dalam satu set, duplikat diperbolehkan tetapi diabaikan.

Input `set2` adalah `SparseTensor` yang diwakili oleh `set2_indices`, `set2_values`, dan `set2_shape`. Untuk `set2` yang diberi peringkat `n`, dimensi `n-1` pertama harus sama dengan `set1`. Dimensi `n` berisi nilai dalam satu set, duplikat diperbolehkan tetapi diabaikan.

Jika `validate_indices` adalah `True`, operasi ini akan memvalidasi urutan dan rentang indeks `set1` dan `set2`.

Output `result` adalah `SparseTensor` yang diwakili oleh `result_indices`, `result_values`, dan `result_shape`. Untuk `set1` dan `set2` yang diberi peringkat `n`, ini memiliki peringkat `n` dan dimensi `n-1` pertama yang sama dengan `set1` dan `set2`. Dimensi `nth` berisi hasil `set_operation` yang diterapkan ke dimensi `[0...n-1]` yang sesuai dari `set`.

Kelas Bersarang

kelas SparseToSparseSetOperation.Options Atribut opsional untuk SparseToSparseSetOperation

Konstanta

Rangkaian OP_NAME Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

statis <T memperluas TType > SparseToSparseSetOperation <T>
buat ( Lingkup lingkup, Operan < TInt64 > set1Indices, Operan <T> set1Values, Operan < TInt64 > set1Shape, Operan < TInt64 > set2Indices, Operan <T> set2Values, Operan < TInt64 > set2Shape, String setOperation, Opsi... opsi)
Metode pabrik untuk membuat kelas yang membungkus operasi SparseToSparseSetOperation baru.
Keluaran < TInt64 >
indeks hasil ()
Indeks 2D dari `SparseTensor`.
Keluaran < TInt64 >
bentuk hasil ()
Bentuk `Tensor` 1D dari `SparseTensor`.
Keluaran <T>
nilai hasil ()
Nilai 1D dari `SparseTensor`.
SparseToSparseSetOperation.Options statis
validasiIndeks (Boolean validasiIndeks)

Metode Warisan

Konstanta

String akhir statis publik OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Nilai Konstan: "SparseToSparseSetOperation"

Metode Publik

public static SparseToSparseSetOperation <T> buat ( Lingkup lingkup, Operan < TInt64 > set1Indices, Operand <T> set1Values, Operand < TInt64 > set1Shape, Operand < TInt64 > set2Indices, Operand <T> set2Values, Operand < TInt64 > set2Shape, String setOperation, Pilihan... pilihan)

Metode pabrik untuk membuat kelas yang membungkus operasi SparseToSparseSetOperation baru.

Parameter
cakupan ruang lingkup saat ini
set1Indeks `Tensor` 2D, indeks `SparseTensor`. Harus dalam urutan baris-mayor.
set1Nilai `Tensor` 1D, nilai `SparseTensor`. Harus dalam urutan baris-mayor.
set1Bentuk `Tensor` 1D, bentuk `SparseTensor`. `set1_shape[0...n-1]` harus sama dengan `set2_shape[0...n-1]`, `set1_shape[n]` adalah ukuran set maksimal di `0...n-1 ` dimensi.
set2Indeks `Tensor` 2D, indeks `SparseTensor`. Harus dalam urutan baris-mayor.
set2Nilai `Tensor` 1D, nilai `SparseTensor`. Harus dalam urutan baris-mayor.
set2Bentuk `Tensor` 1D, bentuk `SparseTensor`. `set2_shape[0...n-1]` harus sama dengan `set1_shape[0...n-1]`, `set2_shape[n]` adalah ukuran set maksimal di `0...n-1 ` dimensi.
pilihan membawa nilai atribut opsional
Kembali
  • contoh baru dari SparseToSparseSetOperation

Output publik < TInt64 > resultIndices ()

Indeks 2D dari `SparseTensor`.

Keluaran publik < TInt64 > bentuk hasil ()

Bentuk `Tensor` 1D dari `SparseTensor`. `result_shape[0...n-1]` sama dengan dimensi `n-1` pertama dari `set1` dan `set2`, `result_shape[n]` adalah ukuran kumpulan hasil maksimal di seluruh `0. ..n-1` dimensi.

Keluaran publik <T> nilai hasil ()

Nilai 1D dari `SparseTensor`.

SparseToSparseSetOperation.Options validasiIndices statis publik (Boolean validasiIndices)