텐서플로우:: 작전:: 구문 분석ExampleV2

#include <parsing_ops.h>

tf.Example proto의 벡터(문자열)를 형식화된 텐서로 변환합니다.

요약

인수:

  • 범위: 범위 개체
  • 직렬화됨(serialized): 직렬화된 이진 예제 proto를 포함하는 스칼라 또는 벡터입니다.
  • names: 직렬화된 proto의 이름을 포함하는 텐서입니다. serialized 텐서와 1:1로 대응합니다. 예를 들어 해당 직렬화된 proto에 대한 테이블 키(설명) 이름이 포함될 수 있습니다. 이는 디버깅 목적으로만 유용하며 여기에 값이 있어도 출력에는 영향을 미치지 않습니다. 이름이 없으면 빈 벡터일 수도 있습니다. 비어 있지 않은 경우 이 텐서는 "직렬화된" 것과 동일한 모양을 가져야 합니다.
  • sparse_keys: 문자열의 벡터입니다. 희소 값과 관련된 예제 기능에서 예상되는 키입니다.
  • density_keys: 문자열의 벡터입니다. 조밀한 값과 관련된 예제의 기능에서 예상되는 키입니다.
  • ragged_keys: 문자열의 벡터입니다. 비정형 값과 관련된 예제 기능에서 예상되는 키입니다.
  • density_defaults: Tensor 목록(일부는 비어 있을 수 있음) dense_keys 와 1:1에 해당합니다. dark_defaults[j]는 예제의 feature_map에density_key[j]가 없을 때 기본값을 제공합니다. density_defaults[j]에 대해 빈 Tensor 가 제공되는 경우,density_keys[j] 기능이 필요합니다. 입력 유형은 비어 있는 경우에도density_defaults[j]에서 추론됩니다. density_defaults[j]가 비어 있지 않고,density_shapes[j]가 완전히 정의된 경우,density_defaults[j]의 모양은density_shapes[j]의 모양과 일치해야 합니다. density_shapes[j]에 정의되지 않은 주요 차원(가변 보폭 밀집 특성)이 있는 경우,density_defaults[j]에는 패딩 요소라는 단일 요소가 포함되어야 합니다.
  • num_sparse: 희소 키 수입니다.
  • sparse_types: num_sparse 유형 목록입니다. sparse_keys에 제공된 각 기능의 데이터 유형입니다. 현재 ParseExample 은 DT_FLOAT(FloatList), DT_INT64(Int64List) 및 DT_STRING(BytesList)을 지원합니다.
  • ragged_value_types: num_ragged 유형 목록입니다. ragged_keys(여기서 num_ragged = sparse_keys.size() )에 제공된 각 기능의 데이터 유형입니다. 현재 ParseExample 은 DT_FLOAT(FloatList), DT_INT64(Int64List) 및 DT_STRING(BytesList)을 지원합니다.
  • ragged_split_types: num_ragged 유형 목록입니다. ragged_keys(여기서 num_ragged = sparse_keys.size() )에 지정된 각 기능의 row_splits 데이터 유형입니다. DT_INT32 또는 DT_INT64일 수 있습니다.
  • density_shapes: num_dense 모양의 목록입니다. density_keys(여기서 num_dense = dense_keys.size() )에 지정된 각 기능의 데이터 모양입니다. density_key[j]에 해당하는 지형지물 요소 수는 항상density_shapes[j].NumEntries()와 같아야 합니다. density_shapes[j] == (D0, D1, ..., DN)이면 출력 Tensordensity_values [j]의 모양은 (|serialized|, D0, D1, ..., DN)입니다. 밀집된 출력은 다음과 같습니다. 입력이 일괄적으로 행으로 쌓입니다. 이는 dark_shapes[j] = (-1, D1, ..., DN)에 적용됩니다. 이 경우 출력 Tensordens_values [j]의 모양은 (|serialized|, M, D1, .., DN)이 됩니다. 여기서 M은 길이가 D1 * .... * DN인 요소의 최대 블록 수입니다. , 입력의 모든 미니 배치 항목에 걸쳐. 길이가 D1 * ... * DN인 요소 블록이 M개 미만인 미니배치 항목 두 번째 차원을 따라 해당 default_value 스칼라 요소로 채워집니다.

보고:

  • OutputList sparse_indices
  • OutputList sparse_values
  • OutputList sparse_shapes
  • OutputList 밀도_값
  • OutputList 비정형 값
  • OutputList ragged_row_splits

생성자와 소멸자

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)

공개 속성

dense_values
operation
ragged_row_splits
ragged_values
sparse_indices
sparse_shapes
sparse_values

공개 속성

밀도_값

::tensorflow::OutputList dense_values

작업

Operation operation

비정형 행 분할

::tensorflow::OutputList ragged_row_splits

비정형 값

::tensorflow::OutputList ragged_values

sparse_indices

::tensorflow::OutputList sparse_indices

sparse_shapes

::tensorflow::OutputList sparse_shapes

희소 값

::tensorflow::OutputList sparse_values

공공 기능

구문 분석ExampleV2

 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
)