dòng chảy căng:: ôi:: Phân tíchVí dụV2

Chuyển đổi một vectơ của các proto tf.Example (dưới dạng chuỗi) thành các tensor đã gõ.

Bản tóm tắt

Lập luận:

• phạm vi: Một đối tượng phạm vi
• được tuần tự hóa: Một đại lượng vô hướng hoặc vectơ chứa các nguyên mẫu Ví dụ được tuần tự hóa nhị phân.
• tên: Một tensor chứa tên của các proto được tuần tự hóa. Tương ứng với tỷ lệ 1:1 với tensor serialized . Có thể chứa, ví dụ, tên khóa bảng (mô tả) cho các proto được xê-ri hóa tương ứng. Đây hoàn toàn hữu ích cho mục đích gỡ lỗi và sự hiện diện của các giá trị ở đây không ảnh hưởng đến đầu ra. Cũng có thể là một vectơ trống nếu không có tên. Nếu không trống, tensor này phải có hình dạng giống như "serialized".
• thưa_keys: Vector của chuỗi. Các khóa dự kiến ​​trong các tính năng của Ví dụ được liên kết với các giá trị thưa thớt.
• dense_keys: Vector của chuỗi. Các khóa dự kiến ​​​​trong các tính năng của Ví dụ được liên kết với các giá trị dày đặc.
• ragged_keys: Vector của chuỗi. Các khóa được mong đợi trong các tính năng của Ví dụ được liên kết với các giá trị rời rạc.
• dense_defaults: Danh sách các Tensors (một số có thể trống). Tương ứng với tỷ lệ 1:1 dense_keys . dense_defaults[j] cung cấp các giá trị mặc định khi feature_map của ví dụ thiếudense_key[j]. Nếu một Tensor trống được cung cấp chodense_defaults[j] thì tính năngdense_keys[j] là bắt buộc. Loại đầu vào được suy ra từdense_defaults[j], ngay cả khi nó trống. Nếudense_defaults[j] không trống vàdense_shapes[j] được xác định đầy đủ thì hình dạng củadense_defaults[j] phải khớp với hình dạng củadense_shapes[j]. Nếudense_shapes[j] có thứ nguyên chính không xác định (tính năng dày đặc sải bước thay đổi),dense_defaults[j] phải chứa một phần tử duy nhất: phần tử đệm.
• num_sparse: Số lượng khóa thưa thớt.
• thưa thớt: Danh sách các loại num_sparse ; các kiểu dữ liệu của dữ liệu trong mỗi Tính năng được cung cấp trong spzzy_keys. Hiện tại ParseExample hỗ trợ DT_FLOAT (FloatList), DT_INT64 (Int64List) và DT_STRING (BytesList).
• ragged_value_types: Danh sách các loại num_ragged ; các kiểu dữ liệu của dữ liệu trong mỗi Tính năng được đưa ra trong ragged_keys (trong đó num_ragged = sparse_keys.size() ). Hiện tại ParseExample hỗ trợ DT_FLOAT (FloatList), DT_INT64 (Int64List) và DT_STRING (BytesList).
• ragged_split_types: Danh sách các loại num_ragged ; các kiểu dữ liệu của row_splits trong mỗi Tính năng được đưa ra trong ragged_keys (trong đó num_ragged = sparse_keys.size() ). Có thể là DT_INT32 hoặc DT_INT64.
• dầy đặc_shapes: Danh sách các hình dạng num_dense ; hình dạng của dữ liệu trong mỗi Tính năng được đưa ra trongdense_keys (trong đó num_dense = dense_keys.size() ). Số phần tử trong Đối tượng tương ứng vớidense_key[j] phải luôn bằngdense_shapes[j].NumEntries(). Nếudense_shapes[j] == (D0, D1, ..., DN) thì hình dạng của đầu ra Tensordense_values [j] sẽ là (|serialized|, D0, D1, ..., DN): Các đầu ra dày đặc là chỉ các hàng đầu vào được xếp chồng lên nhau theo đợt. Điều này hoạt động vớidense_shapes[j] = (-1, D1, ..., DN). Trong trường hợp này, hình dạng của đầu ra Tensordense_values [j] sẽ là (|serialized|, M, D1, .., DN), trong đó M là số khối phần tử tối đa có độ dài D1 * .... * DN , trên tất cả các mục nhập minibatch trong đầu vào. Bất kỳ mục nhập minibatch nào có ít hơn M khối phần tử có độ dài D1 * ... * DN sẽ được đệm bằng phần tử vô hướng default_value tương ứng dọc theo chiều thứ hai.

Trả về:

• OutputList thớt_indices
• OutputList thớt_values
• OutputList thớt_shapes
• OutputList đặc_values
• OutputList ragged_values
• OutputList ragged_row_splits

Thuộc tính công khai

::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
)