টেনসরফ্লো :: অপস:: DeserializeManySparse

একটি ক্রমিক মিনিব্যাচ থেকে SparseTensors ডিসিরিয়ালাইজ করুন এবং সংযুক্ত করুন।

সারাংশ

ইনপুট serialized_sparse আকৃতির একটি স্ট্রিং ম্যাট্রিক্স হতে হবে [N x 3] যেখানে N হল মিনিব্যাচের আকার এবং সারিগুলি SerializeSparse এর প্যাক করা আউটপুটগুলির সাথে মিলে যায়। মূল SparseTensor অবজেক্টের র‌্যাঙ্ক অবশ্যই সব মিলে যাবে। যখন চূড়ান্ত SparseTensor তৈরি করা হয়, তখন এটি আগত SparseTensor অবজেক্টের র‍্যাঙ্কের চেয়ে এক উচ্চতর র‍্যাঙ্ক করে (এগুলি একটি নতুন সারি মাত্রার সাথে সংযুক্ত করা হয়েছে)।

সমস্ত মাত্রার জন্য আউটপুট SparseTensor অবজেক্টের আকৃতির মান কিন্তু প্রথমটি সংশ্লিষ্ট মাত্রার জন্য ইনপুট SparseTensor অবজেক্টের আকৃতির মান জুড়ে সর্বোচ্চ। এর প্রথম আকৃতির মান হল N , মিনিব্যাচের আকার।

ইনপুট SparseTensor অবজেক্টের সূচকগুলিকে আদর্শ লেক্সিকোগ্রাফিক ক্রমানুসারে অনুমান করা হয়। যদি এটি না হয়, এই ধাপের পরে সূচী ক্রম পুনরুদ্ধার করতে SparseReorder চালান।

উদাহরণস্বরূপ, যদি ক্রমিক ইনপুট একটি [2 x 3] ম্যাট্রিক্স হয় যা দুটি মূল SparseTensor বস্তুর প্রতিনিধিত্ব করে:

index = [ 0]
        [10]
        [20]
values = [1, 2, 3]
shape = [50]

এবং

index = [ 2]
        [10]
values = [4, 5]
shape = [30]

তারপর চূড়ান্ত ডিসিরিয়ালাইজড SparseTensor হবে:

index = [0  0]
        [0 10]
        [0 20]
        [1  2]
        [1 10]
values = [1, 2, 3, 4, 5]
shape = [2 50]

যুক্তি:

• স্কোপ: একটি স্কোপ অবজেক্ট
• serialized_sparse: 2-D, N সিরিয়ালাইজড SparseTensor অবজেক্ট। 3টি কলাম থাকতে হবে।
• dtype: ক্রমানুসারে SparseTensor অবজেক্টের dtype ।

রিটার্ন:

• Output sparse_index
• Output sparse_values
• Output sparse_shape

পাবলিক বৈশিষ্ট্য

Operation operation

::tensorflow::Output sparse_indices

::tensorflow::Output sparse_shape

::tensorflow::Output sparse_values

 DeserializeManySparse(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input serialized_sparse,
  DataType dtype
)