tensoreflusso:: ops:: ParseEsempioV2

Trasforma un vettore di prototipi tf.Example (come stringhe) in tensori tipizzati.

Riepilogo

Argomenti:

• scope: un oggetto Scope
• serializzato: uno scalare o un vettore contenente prototipi di esempio serializzati binari.
• nomi: un tensore contenente i nomi dei prototipi serializzati. Corrisponde 1:1 al tensore serialized . Può contenere, ad esempio, nomi di chiavi di tabella (descrittivi) per i corrispondenti prototipi serializzati. Questi sono puramente utili per scopi di debug e la presenza di valori qui non ha alcun effetto sull'output. Può anche essere un vettore vuoto se non sono disponibili nomi. Se non vuoto, questo tensore deve avere la stessa forma di "serializzato".
• sparse_keys: vettore di stringhe. Le chiavi previste nelle funzionalità degli esempi sono associate a valori sparsi.
• dense_keys: vettore di stringhe. Le chiavi previste nelle caratteristiche degli esempi sono associate a valori densi.
• ragged_keys: vettore di stringhe. Le chiavi previste nelle funzionalità degli esempi sono associate a valori irregolari.
• dense_defaults: un elenco di tensori (alcuni potrebbero essere vuoti). Corrisponde 1:1 con dense_keys . dense_defaults[j] fornisce valori predefiniti quando la feature_map dell'esempio manca di dense_key[j]. Se viene fornito un tensore vuoto per dense_defaults[j], è richiesta la funzionalità dense_keys[j]. Il tipo di input viene dedotto da dense_defaults[j], anche quando è vuoto. Se dense_defaults[j] non è vuoto e dense_shapes[j] è completamente definito, allora la forma di dense_defaults[j] deve corrispondere a quella di dense_shapes[j]. Se dense_shapes[j] ha una dimensione maggiore indefinita (caratteristica densa di passi variabili), dense_defaults[j] deve contenere un singolo elemento: l'elemento di riempimento.
• num_sparse: il numero di chiavi sparse.
• sparse_types: un elenco di tipi num_sparse ; i tipi di dati in ciascuna funzionalità fornita in sparse_keys. Attualmente ParseExample supporta DT_FLOAT (FloatList), DT_INT64 (Int64List) e DT_STRING (BytesList).
• ragged_value_types: un elenco di tipi num_ragged ; i tipi di dati in ciascuna funzionalità forniti in ragged_keys (dove num_ragged = sparse_keys.size() ). Attualmente ParseExample supporta DT_FLOAT (FloatList), DT_INT64 (Int64List) e DT_STRING (BytesList).
• ragged_split_types: un elenco di tipi num_ragged ; i tipi di dati di row_splits in ciascuna funzionalità fornita in ragged_keys (dove num_ragged = sparse_keys.size() ). Può essere DT_INT32 o DT_INT64.
• dense_shapes: un elenco di num_dense forme; le forme dei dati in ciascuna funzionalità fornite in dense_keys (dove num_dense = dense_keys.size() ). Il numero di elementi nella Feature corrispondente a dense_key[j] deve sempre essere uguale a dense_shapes[j].NumEntries(). Se dense_shapes[j] == (D0, D1, ..., DN) allora la forma dell'output Tensor dense_values[j] sarà (|serialized|, D0, D1, ..., DN): Gli output densi sono solo gli input impilati in righe per batch. Questo funziona per dense_shapes[j] = (-1, D1, ..., DN). In questo caso la forma dell'output Tensor dense_values[j] sarà (|serialized|, M, D1, .., DN), dove M è il numero massimo di blocchi di elementi di lunghezza D1 * .... * DN , in tutte le voci minibatch nell'input. Qualsiasi voce minibatch con meno di M blocchi di elementi di lunghezza D1 * ... * DN verrà riempita con l'elemento scalare default_value corrispondente lungo la seconda dimensione.

Resi:

• OutputList sparse_indices
• OutputList valori_sparsi
• OutputList forme_sparse
• OutputList valori_densi
• OutputList ragged_values
• OutputList ragged_row_splits

Attributi pubblici

::tensorflow::OutputList dense_values

Operation operation

::tensorflow::OutputList ragged_row_splits

::tensorflow::OutputList ragged_values

::tensorflow::OutputList sparse_indices

::tensorflow::OutputList sparse_shapes

::tensorflow::OutputList sparse_values

 ParseExampleV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input serialized,
  ::tensorflow::Input names,
  ::tensorflow::Input sparse_keys,
  ::tensorflow::Input dense_keys,
  ::tensorflow::Input ragged_keys,
  ::tensorflow::InputList dense_defaults,
  int64 num_sparse,
  const DataTypeSlice & sparse_types,
  const DataTypeSlice & ragged_value_types,
  const DataTypeSlice & ragged_split_types,
  const gtl::ArraySlice< PartialTensorShape > & dense_shapes
)