przepływ tensorowy:: ops:: Przeanalizuj przykład V2

Przekształca wektor protos tf.Example (jako ciągi znaków) na tensory o typie.

Streszczenie

Argumenty:

• zakres: Obiekt Scope
• serializowany: Skalar lub wektor zawierający binarne serializowane przykładowe protos.
• nazwy: tensor zawierający nazwy serializowanych protosów. Odpowiada 1:1 serialized tensorowi. Może zawierać na przykład nazwy kluczy tabeli (opisowe) dla odpowiednich serializowanych protosów. Są one wyłącznie przydatne do celów debugowania, a obecność tutaj wartości nie ma wpływu na dane wyjściowe. Może być również pustym wektorem, jeśli nie są dostępne żadne nazwy. Jeśli nie jest pusty, ten tensor musi mieć taki sam kształt jak „serializowany”.
• sparse_keys: wektor ciągów. Klucze oczekiwane w funkcjach przykładów powiązane z rzadkimi wartościami.
• gęste_keys: wektor ciągów. Klucze oczekiwane w funkcjach przykładów są powiązane z gęstymi wartościami.
• ragged_keys: wektor ciągów. Klucze oczekiwane w funkcjach przykładów są powiązane z nierównymi wartościami.
• gęste_defaults: Lista tensorów (niektóre mogą być puste). Odpowiada 1:1 z dense_keys . gęsty_defaults[j] podaje wartości domyślne, gdy przykładowa mapa_funkcji nie zawiera klucza_gęstego[j]. Jeśli dla gęstych_defaults[j] zapewniony jest pusty Tensor , wówczas wymagana jest funkcja gęste_klucze[j]. Typ danych wejściowych jest wywnioskowany z gęstego_defaults[j], nawet jeśli jest pusty. Jeśli gęste_defaults[j] nie jest puste, a gęste_kształty[j] są w pełni zdefiniowane, wówczas kształt gęste_defaults[j] musi odpowiadać kształtowi gęste_kształty[j]. Jeśli gęsty_kształt[j] ma niezdefiniowany wymiar główny (cecha gęstych kroków o zmiennych krokach), gęsty_defaults[j] musi zawierać pojedynczy element: element dopełniający.
• num_sparse: Liczba rzadkich kluczy.
• sparse_types: Lista typów num_sparse ; typy danych w każdej funkcji podane w sparse_keys. Obecnie ParseExample obsługuje DT_FLOAT (FloatList), DT_INT64 (Int64List) i DT_STRING (BytesList).
• ragged_value_types: Lista num_ragged typów; typy danych w każdej funkcji podane w ragged_keys (gdzie num_ragged = sparse_keys.size() ). Obecnie ParseExample obsługuje DT_FLOAT (FloatList), DT_INT64 (Int64List) i DT_STRING (BytesList).
• ragged_split_types: Lista typów num_ragged ; typy danych row_splits w każdej funkcji podane w ragged_keys (gdzie num_ragged = sparse_keys.size() ). Może być DT_INT32 lub DT_INT64.
• dense_shapes: Lista num_dense kształtów; kształty danych w każdej funkcji podane w gęstych_kluczach (gdzie num_dense = dense_keys.size() ). Liczba elementów cechy odpowiadająca gęstemu kluczowi[j] musi zawsze być równa gęstej_kształcie[j].NumEntries(). Jeśli gęste_kształty[j] == (D0, D1, ..., DN), wówczas kształt wyjściowego Tensora gęste_wartości[j] będzie (|serializowany|, D0, D1, ..., DN): Gęste wyjścia są tylko dane wejściowe ułożone w wiersze partiami. Działa to dla gęstych_kształtów[j] = (-1, D1, ..., DN). W tym przypadku wyjściowy Tensor wartości_gęstości[j] będzie miał postać (|serializowany|, M, D1, .., DN), gdzie M jest maksymalną liczbą bloków elementów o długości D1 * .... * DN , we wszystkich wpisach minibatch na wejściu. Każdy wpis minipartii zawierający mniej niż M bloków elementów o długości D1 * ... * DN zostanie uzupełniony odpowiednim elementem skalarnym wartość_domyślna wzdłuż drugiego wymiaru.

Zwroty:

• OutputList sparse_indices
• OutputList wartości_rzadkich
• OutputList sparse_shapes
• OutputList wartości_gęstych
• OutputList niewyrównanych_wartości
• OutputList ragged_row_splits

Atrybuty publiczne

::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
)