เทนเซอร์โฟลว์:: ปฏิบัติการ:: เบาบางConcat

เชื่อมต่อรายการ SparseTensor ตามมิติข้อมูลที่ระบุ

สรุป

การต่อข้อมูลจะขึ้นอยู่กับเวอร์ชันหนาแน่นของเทนเซอร์แบบกระจัดกระจายเหล่านี้ สันนิษฐานว่าแต่ละอินพุตเป็น SparseTensor ซึ่งมีองค์ประกอบเรียงลำดับตามหมายเลขมิติที่เพิ่มขึ้น

รูปร่างของอินพุต ทั้งหมด ต้องตรงกัน ยกเว้นมิติที่เชื่อมต่อกัน รายการ indices values และ shapes ต้องมีความยาวเท่ากัน

รูปร่างเอาต์พุตจะเหมือนกันกับอินพุต ยกเว้นตามมิติการเชื่อมต่อ โดยที่เป็นผลรวมของขนาดอินพุตตามมิตินั้น

องค์ประกอบเอาต์พุตจะถูกนำมาใช้เพื่อรักษาลำดับการจัดเรียงตามหมายเลขมิติที่เพิ่มขึ้น

op นี้รันในเวลา O(M log M) โดยที่ M คือจำนวนรวมของค่าที่ไม่ว่างในอินพุตทั้งหมด นี่เป็นเพราะความจำเป็นในการเรียงลำดับภายในเพื่อที่จะเชื่อมต่อข้ามมิติต่างๆ ได้อย่างมีประสิทธิภาพ

ตัวอย่างเช่น ถ้า concat_dim = 1 และอินพุตเป็น

sp_inputs[0]: shape = [2, 3]
[0, 2]: "a"
[1, 0]: "b"
[1, 1]: "c"

sp_inputs[1]: shape = [2, 4]
[0, 1]: "d"
[0, 2]: "e"

จากนั้นผลลัพธ์จะเป็น

shape = [2, 7]
[0, 2]: "a"
[0, 4]: "d"
[0, 5]: "e"
[1, 0]: "b"
[1, 1]: "c"

กราฟิกนี้เทียบเท่ากับการทำ

[    a] concat [  d e  ] = [    a   d e  ]
[b c  ]        [       ]   [b c          ]

ข้อโต้แย้ง:

• ขอบเขต: วัตถุ ขอบเขต
• ดัชนี: 2-D ดัชนีของแต่ละอินพุต SparseTensor
• ค่า: 1-D ค่าที่ไม่ว่างเปล่าของแต่ละ SparseTensor
• รูปร่าง: 1-D รูปร่างของ SparseTensor แต่ละตัว
• concat_dim: มิติข้อมูลที่จะต่อเข้าด้วยกัน ต้องอยู่ในช่วง [-rank, rank) โดยที่ rank คือจำนวนมิติข้อมูลในแต่ละอินพุต SparseTensor

ผลตอบแทน:

• Output output_indices: 2-D ดัชนีของ SparseTensor ที่ต่อกัน
• Output ท output_values: 1-D ค่าที่ไม่ว่างเปล่าของ SparseTensor ที่ต่อกัน
• Output เอาต์พุต_รูปร่าง: 1-D รูปร่างของ SparseTensor ที่ต่อกัน

คุณลักษณะสาธารณะ

Operation operation

::tensorflow::Output output_indices

::tensorflow::Output output_shape

::tensorflow::Output output_values

 SparseConcat(
  const ::tensorflow::Scope & scope,
  ::tensorflow::InputList indices,
  ::tensorflow::InputList values,
  ::tensorflow::InputList shapes,
  int64 concat_dim
)