tensorflow:: אופס:: SparseConcat

משרשרת רשימה של SparseTensor לאורך הממד שצוין.

תַקצִיר

השרשור הוא ביחס לגרסאות הצפופות של הטנזורים הדלילים הללו. ההנחה היא שכל קלט הוא SparseTensor שהאלמנטים שלו מסודרים לפי מספר ממד הולך וגדל.

כל צורות התשומות חייבות להתאים, למעט הממד המרוכז. רשימות indices , values shapes חייבות להיות באותו אורך.

צורת הפלט זהה לזו של התשומות, למעט לאורך הממד המחובר, שבו הוא סכום הגדלים של התשומות לאורך הממד הזה.

רכיבי הפלט יינקטו כדי לשמר את סדר המיון לאורך מספר ממד הולך וגדל.

פעולה זו פועלת בזמן O(M log M) , כאשר M הוא המספר הכולל של ערכים לא ריקים על פני כל התשומות. זה נובע מהצורך במיון פנימי על מנת לשרשר ביעילות על פני מימד שרירותי.

לדוגמה, אם concat_dim = 1 והכניסות הן

sp_inputs[0]: shape = [2, 3]
[0, 2]: "a"
[1, 0]: "b"
[1, 1]: "c"

sp_inputs[1]: shape = [2, 4]
[0, 1]: "d"
[0, 2]: "e"

אז הפלט יהיה

shape = [2, 7]
[0, 2]: "a"
[0, 4]: "d"
[0, 5]: "e"
[1, 0]: "b"
[1, 1]: "c"

מבחינה גרפית זה שווה ערך לעשייה

[    a] concat [  d e  ] = [    a   d e  ]
[b c  ]        [       ]   [b c          ]

טיעונים:

• scope: אובייקט Scope
• מדדים: 2-D. מדדים של כל קלט SparseTensor .
• ערכים: 1-D. ערכים לא ריקים של כל SparseTensor .
• צורות: 1-D. צורות של כל SparseTensor .
• concat_dim: ממד לשרשור. חייב להיות בטווח [-rank, rank), כאשר דירוג הוא מספר הממדים בכל קלט SparseTensor .

החזרות:

• Output פלט_מדדים: 2-D. מדדים של SparseTensor המשורשר.
• Output output_values: 1-D. ערכים לא ריקים של SparseTensor המשורשר .
• Output output_shape: 1-D. צורת ה- SparseTensor המשורשר.

תכונות ציבוריות

Operation operation

::tensorflow::Output output_indices

::tensorflow::Output output_shape

::tensorflow::Output output_values

 SparseConcat(
  const ::tensorflow::Scope & scope,
  ::tensorflow::InputList indices,
  ::tensorflow::InputList values,
  ::tensorflow::InputList shapes,
  int64 concat_dim
)