เทนเซอร์โฟลว์:: ปฏิบัติการ:: แยกตัวอย่าง
#include <parsing_ops.h>
แปลงเวกเตอร์ของสมอง ตัวอย่างโปรโตส (เป็นสตริง) เป็นเทนเซอร์ที่พิมพ์
สรุป
ข้อโต้แย้ง:
- ขอบเขต: วัตถุ ขอบเขต
- ทำให้เป็นอนุกรม: เวกเตอร์ที่มีชุดของโปรโตตัวอย่างที่เป็นอนุกรมแบบไบนารี
- ชื่อ: เวกเตอร์ที่มีชื่อของโปรโตที่ต่อเนื่องกัน อาจมี ตัวอย่างเช่น ชื่อคีย์ตาราง (คำอธิบาย) สำหรับโปรโตที่ต่อเนื่องกัน สิ่งเหล่านี้มีประโยชน์สำหรับวัตถุประสงค์ในการแก้ไขจุดบกพร่องเท่านั้น และการมีค่าอยู่ที่นี่ไม่มีผลกระทบต่อเอาต์พุต อาจเป็นเวกเตอร์เปล่าก็ได้หากไม่มีชื่อ หากไม่ว่างเปล่า เวกเตอร์นี้จะต้องมีความยาวเท่ากับ "อนุกรม"
- sparse_keys: รายการสตริงเทนเซอร์ Nsparse (สเกลาร์) คีย์ที่คาดหวังในคุณสมบัติของตัวอย่างที่เกี่ยวข้องกับค่ากระจัดกระจาย
- หนาแน่น_คีย์: รายการเทนเซอร์สตริง Ndense (สเกลาร์) คีย์ที่คาดหวังในคุณลักษณะของตัวอย่างที่เกี่ยวข้องกับค่าหนาแน่น
- หนาแน่น_ค่าเริ่มต้น: รายการ Ndense Tensors (บางส่วนอาจว่างเปล่า) หนาแน่น_defaults[j] ให้ค่าเริ่มต้นเมื่อ Feature_map ของตัวอย่างไม่มีหนาแน่น_key[j] หากมีการระบุ Tensor ว่างไว้สำหรับหนาแน่น_ค่าเริ่มต้น[j] แสดงว่าจำเป็นต้องมีคุณลักษณะหนาแน่น_keys[j] ประเภทอินพุตจะอนุมานจากหนาแน่น_defaults[j] แม้ว่าจะว่างเปล่าก็ตาม หากหนาแน่น_defaults[j] ไม่ว่างเปล่า และหนาแน่น_รูปร่าง[j] ถูกกำหนดไว้อย่างสมบูรณ์ ดังนั้นรูปร่างของหนาแน่น_defaults[j] จะต้องตรงกับรูปร่างของหนาแน่น_รูปร่าง[j] หากหนาแน่น_รูปร่าง[j] มีมิติหลักที่ไม่ได้กำหนดไว้ (คุณลักษณะความหนาแน่นของความก้าวหน้าแบบแปรผัน)หนาแน่น_ค่าเริ่มต้น[j] จะต้องมีองค์ประกอบเดียว: องค์ประกอบช่องว่างภายใน
- sparse_types: รายการประเภท Nsparse; ประเภทข้อมูลของข้อมูลในแต่ละคุณสมบัติที่กำหนดใน sparse_keys ปัจจุบัน ParseExample รองรับ DT_FLOAT (FloatList), DT_INT64 (Int64List) และ DT_STRING (BytesList)
- Dense_shapes: รายการรูปร่าง Ndense; รูปร่างของข้อมูลในแต่ละฟีเจอร์ที่กำหนดในหนาแน่น_คีย์ จำนวนองค์ประกอบในฟีเจอร์ที่สอดคล้องกับหนาแน่น_คีย์[j] จะต้องเท่ากับหนาแน่น_รูปร่าง[j].NumEntries() เสมอ หากหนาแน่น_รูปร่าง[j] == (D0, D1, ..., DN) ดังนั้นรูปร่างของเอาท์พุต เทนเซอร์ หนาแน่น_ค่า[j] จะเป็น (|ซีเรียลไลซ์|, D0, D1, ..., DN): เอาท์พุตที่มีความหนาแน่นสูงนั้น เพียงแถวอินพุตเรียงซ้อนตามแบทช์ วิธีนี้ใช้ได้กับหนาแน่น_รูปร่าง[j] = (-1, D1, ..., DN) ในกรณีนี้ รูปร่างของเอาท์พุต Tensor หนาแน่น_ค่า[j] จะเป็น (|อนุกรม|, M, D1, .., DN) โดยที่ M คือจำนวนบล็อกสูงสุดขององค์ประกอบที่มีความยาว D1 * .... * DN ในรายการมินิแบทช์ทั้งหมดในอินพุต รายการมินิแบทช์ ใดๆ ที่มีองค์ประกอบความยาวน้อยกว่า M บล็อก D1 * ... * DN จะถูกเสริมด้วยองค์ประกอบสเกลาร์ default_value ที่สอดคล้องกันตลอดมิติที่สอง
ผลตอบแทน:
-
OutputList
-
OutputList
-
OutputList
-
OutputList
หนาแน่น_ค่า
ตัวสร้างและผู้ทำลาย | |
---|---|
ParseExample (const :: tensorflow::Scope & scope, :: tensorflow::Input serialized, :: tensorflow::Input names, :: tensorflow::InputList sparse_keys, :: tensorflow::InputList dense_keys, :: tensorflow::InputList dense_defaults, const DataTypeSlice & sparse_types, const gtl::ArraySlice< PartialTensorShape > & dense_shapes) |
คุณลักษณะสาธารณะ | |
---|---|
dense_values | |
operation | |
sparse_indices | |
sparse_shapes | |
sparse_values |
คุณลักษณะสาธารณะ
หนาแน่น_ค่า
::tensorflow::OutputList dense_values
การดำเนินการ
Operation operation
sparse_indices
::tensorflow::OutputList sparse_indices
กระจัดกระจาย_รูปร่าง
::tensorflow::OutputList sparse_shapes
sparse_values
::tensorflow::OutputList sparse_values
งานสาธารณะ
แยกตัวอย่าง
ParseExample( const ::tensorflow::Scope & scope, ::tensorflow::Input serialized, ::tensorflow::Input names, ::tensorflow::InputList sparse_keys, ::tensorflow::InputList dense_keys, ::tensorflow::InputList dense_defaults, const DataTypeSlice & sparse_types, const gtl::ArraySlice< PartialTensorShape > & dense_shapes )