тензорный поток:: опс:: РазборПримерV2

Преобразует вектор протоов tf.Example (в виде строк) в типизированные тензоры.

Краткое содержание

Аргументы:

• область: объект области.
• сериализованный: скаляр или вектор, содержащий двоично сериализованные примеры прототипов.
• имена: тензор, содержащий имена сериализованных прото. Соответствует 1:1 с serialized тензором. Может содержать, например, имена табличных ключей (описательные) для соответствующих сериализованных прототипов. Они полезны исключительно для целей отладки, и наличие здесь значений не влияет на вывод. Также может быть пустым вектором, если имена недоступны. Если этот тензор непустой, он должен иметь ту же форму, что и «сериализованный».
• sparse_keys: вектор строк. Ключи, ожидаемые в функциях примеров, связаны с разреженными значениями.
• Density_keys: вектор строк. Ключи, ожидаемые в функциях примеров, связаны с плотными значениями.
• ragged_keys: Вектор строк. Ключи, ожидаемые в функциях примеров, связаны с неровными значениями.
• Densent_defaults: список тензоров (некоторые могут быть пустыми). Соответствует 1:1 с dense_keys . Densent_defaults[j] предоставляет значения по умолчанию, когда в Feature_map примера отсутствует Density_key[j]. Если для Density_defaults[j] указан пустой тензор , то требуется функция Density_keys[j]. Тип ввода выводится из Density_defaults[j], даже если он пуст. Если Densent_defaults[j] не пуст, а Densent_shapes[j] полностью определен, то форма Densent_defaults[j] должна соответствовать форме Densent_Shapes[j]. Если Densent_shapes[j] имеет неопределенный основной размер (функция плотности переменных шагов), Densent_defaults[j] должен содержать один элемент: элемент заполнения.
• num_sparse: количество разреженных ключей.
• sparse_types: список типов num_sparse ; типы данных в каждой функции, указанные в sparse_keys. В настоящее время ParseExample поддерживает DT_FLOAT (FloatList), DT_INT64 (Int64List) и DT_STRING (BytesList).
• ragged_value_types: список типов num_ragged ; типы данных в каждой функции, указанные в ragged_keys (где num_ragged = sparse_keys.size() ). В настоящее время ParseExample поддерживает DT_FLOAT (FloatList), DT_INT64 (Int64List) и DT_STRING (BytesList).
• ragged_split_types: список типов num_ragged ; типы данных row_splits в каждой функции, заданные в ragged_keys (где num_ragged = sparse_keys.size() ). Может быть DT_INT32 или DT_INT64.
• Density_shapes: список фигур num_dense ; формы данных в каждой функции, заданные в Density_keys (где num_dense = dense_keys.size() ). Количество элементов в объекте, соответствующем Density_key[j], всегда должно равняться Densent_shapes[j].NumEntries(). Если Density_shapes[j] == (D0, D1, ..., DN), то форма выходных данных Tensor Densent_values[j] будет (|serialized|, D0, D1, ..., DN): Плотные выходные данные только входные данные, сгруппированные по строкам. Это работает для Densent_shapes[j] = (-1, D1, ..., DN). В этом случае форма выходного Tensor Densent_values[j] будет иметь вид (|serialized|, M, D1, .., DN), где M — максимальное количество блоков элементов длины D1 * .... * DN. , по всем записям мини-пакета во входных данных. Любая запись мини-пакета, содержащая менее M блоков элементов длиной D1 * ... * DN, будет дополнена соответствующим скалярным элементом default_value по второму измерению.

Возврат:

• OutputList разреженных_индексов
• OutputList разреженных_значений
• OutputList разреженных_форм
• OutputList плотных_значений
• OutputList ragged_values
• OutputList ragged_row_splits

Публичные атрибуты

::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
)