fluxo tensor:: ops:: AnalisarExemploV2

Transforma um vetor de protos tf.Example (como strings) em tensores digitados.

Resumo

Argumentos:

• escopo: um objeto Escopo
• serializado: um escalar ou vetor contendo protos de exemplo serializados binários.
• nomes: um tensor contendo os nomes dos protos serializados. Corresponde 1:1 ao tensor serialized . Pode conter, por exemplo, nomes de chaves de tabela (descritivos) para os protos serializados correspondentes. Eles são puramente úteis para fins de depuração e a presença de valores aqui não afeta a saída. Também pode ser um vetor vazio se nenhum nome estiver disponível. Se não estiver vazio, este tensor deve ter a mesma forma que "serializado".
• sparse_keys: Vetor de strings. As chaves esperadas nos recursos dos Exemplos associados a valores esparsos.
• denso_keys: Vetor de strings. As chaves esperadas nos recursos dos Exemplos associados a valores densos.
• ragged_keys: Vetor de strings. As chaves esperadas nos recursos dos Exemplos associadas a valores irregulares.
• denso_defaults: uma lista de tensores (alguns podem estar vazios). Corresponde 1:1 com dense_keys . Dense_defaults[j] fornece valores padrão quando o feature_map do exemplo não possui Dense_key[j]. Se um tensor vazio for fornecido para Dense_defaults[j], então o recurso Dense_keys[j] será necessário. O tipo de entrada é inferido de denso_defaults[j], mesmo quando está vazio. Se Dense_defaults[j] não estiver vazio e Dense_shapes[j] estiver totalmente definido, então a forma de Dense_defaults[j] deverá corresponder à de Dense_shapes[j]. Se Dense_Shapes[j] tiver uma dimensão principal indefinida (recurso denso de passos variáveis), Dense_defaults[j] deverá conter um único elemento: o elemento de preenchimento.
• num_sparse: o número de chaves esparsas.
• sparse_types: uma lista de tipos num_sparse ; os tipos de dados em cada recurso fornecidos em sparse_keys. Atualmente o ParseExample suporta DT_FLOAT (FloatList), DT_INT64 (Int64List) e DT_STRING (BytesList).
• ragged_value_types: uma lista de tipos num_ragged ; os tipos de dados em cada recurso fornecidos em ragged_keys (onde num_ragged = sparse_keys.size() ). Atualmente o ParseExample suporta DT_FLOAT (FloatList), DT_INT64 (Int64List) e DT_STRING (BytesList).
• ragged_split_types: Uma lista de tipos num_ragged ; os tipos de dados de row_splits em cada recurso fornecido em ragged_keys (onde num_ragged = sparse_keys.size() ). Pode ser DT_INT32 ou DT_INT64.
• densa_shapes: uma lista de formas num_dense ; as formas dos dados em cada recurso fornecidas em Dense_keys (onde num_dense = dense_keys.size() ). O número de elementos no Feature correspondente a Dense_key[j] deve sempre ser igual a Dense_shapes[j].NumEntries(). Se Dense_shapes[j] == (D0, D1, ..., DN) então a forma do Tensor de saída Dense_values[j] será (|serialized|, D0, D1, ..., DN): As saídas densas são apenas as entradas empilhadas em lote. Isso funciona para formas_densas[j] = (-1, D1, ..., DN). Neste caso a forma do Tensor de saída Dense_values[j] será (|serialized|, M, D1, .., DN), onde M é o número máximo de blocos de elementos de comprimento D1 * .... * DN , em todas as entradas do minilote na entrada. Qualquer entrada de minilote com menos de M blocos de elementos de comprimento D1 * ... * DN será preenchida com o elemento escalar default_value correspondente ao longo da segunda dimensão.

Retorna:

• OutputList sparse_indices
• OutputList esparsos_valores
• OutputList sparse_shapes
• OutputList denso_valores
• OutputList ragged_values
• OutputList ragged_row_splits

Atributos públicos

::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
)