جریان تنسور:: عملیات:: DeserializeSparse

اشیاء SparseTensor را از حالت سریال خارج کنید.

خلاصه

ورودی serialized_sparse باید شکل [?, ?, ..., ?, 3] را داشته باشد که در آن آخرین بعد اشیاء سریال SparseTensor را ذخیره می کند و ابعاد N دیگر (N >= 0) مربوط به یک دسته است. رتبه‌های اشیاء اصلی SparseTensor باید همه مطابقت داشته باشند. هنگامی که SparseTensor نهایی ایجاد می شود، رتبه آن رتبه اشیاء SparseTensor ورودی به اضافه N است. تانسورهای پراکنده در امتداد ابعاد جدید، یکی برای هر دسته، به هم متصل شده اند.

مقادیر شکل جسم SparseTensor خروجی برای ابعاد اصلی حداکثر مقادیر شکل اشیاء SparseTensor ورودی برای ابعاد مربوطه است. ابعاد جدید با اندازه دسته مطابقت دارد.

شاخص های اشیاء SparseTensor ورودی به ترتیب واژگانی استاندارد مرتب شده اند. اگر اینطور نیست، پس از این مرحله SparseReorder اجرا کنید تا ترتیب فهرست را بازیابی کنید.

به عنوان مثال، اگر ورودی سریال یک ماتریس [2 x 3] باشد که دو شی SparseTensor اصلی را نشان می دهد:

index = [ 0]
        [10]
        [20]
values = [1, 2, 3]
shape = [50]

و

index = [ 2]
        [10]
values = [4, 5]
shape = [30]

سپس SparseTensor نهایی deserialized خواهد بود:

index = [0  0]
        [0 10]
        [0 20]
        [1  2]
        [1 10]
values = [1, 2, 3, 4, 5]
shape = [2 50]

استدلال ها:

• scope: یک شی Scope
• serialized_sparse: اشیاء سریال SparseTensor . بعد آخر باید 3 ستون داشته باشد.
• dtype: dtype از اشیاء سریال SparseTensor .

برمی‌گرداند:

• Output شاخص های پراکنده
• مقادیر_sparse_out Output
• Output sparse_shape

صفات عمومی

Operation operation

::tensorflow::Output sparse_indices

::tensorflow::Output sparse_shape

::tensorflow::Output sparse_values

 DeserializeSparse(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input serialized_sparse,
  DataType dtype
)