جریان تنسور:: عملیات:: SparseCross

صلیب پراکنده را از لیستی از تانسورهای پراکنده و متراکم ایجاد می کند.

خلاصه

این عملیات دو لیست دارد، یکی از 2D SparseTensor و یکی از 2D Tensor ، که هر کدام ویژگی های یک ستون ویژگی را نشان می دهد. این یک SparseTensor دو بعدی با تلاقی دسته ای این ویژگی ها را خروجی می دهد.

به عنوان مثال، اگر ورودی ها هستند

inputs[0]: SparseTensor with shape = [2, 2]
[0, 0]: "a"
[1, 0]: "b"
[1, 1]: "c"

inputs[1]: SparseTensor with shape = [2, 1]
[0, 0]: "d"
[1, 0]: "e"

inputs[2]: Tensor [["f"], ["g"]]

سپس خروجی خواهد بود

shape = [2, 2]
[0, 0]: "a_X_d_X_f"
[1, 0]: "b_X_e_X_g"
[1, 1]: "c_X_e_X_g"

اگر hashed_output=true باشد، خروجی خواهد بود

shape = [2, 2]
[0, 0]: FingerprintCat64(
            Fingerprint64("f"), FingerprintCat64(
                Fingerprint64("d"), Fingerprint64("a")))
[1, 0]: FingerprintCat64(
            Fingerprint64("g"), FingerprintCat64(
                Fingerprint64("e"), Fingerprint64("b")))
[1, 1]: FingerprintCat64(
            Fingerprint64("g"), FingerprintCat64(
                Fingerprint64("e"), Fingerprint64("c")))

استدلال ها:

• scope: یک شی Scope
• شاخص ها: 2-D. شاخص های هر ورودی SparseTensor .
• مقادیر: 1-D. مقادیر هر SparseTensor
• اشکال: 1-D. اشکال هر SparseTensor .
• dense_inputs: 2-D. ستون هایی که با Tensor متراکم نشان داده می شوند.
• hashed_output: اگر درست باشد، هش ضربدر را به جای رشته برمی گرداند. این به ما امکان می دهد از دستکاری رشته ها اجتناب کنیم.
• num_buckets: اگر hashed_output درست باشد استفاده می شود. خروجی = hashed_valuenum_buckets اگر num_buckets > 0 other hashed_value.
• hash_key: hash_key را مشخص کنید که توسط تابع FingerprintCat64 برای ترکیب اثر انگشت متقاطع استفاده می شود.

برمی‌گرداند:

• Output ها: 2-D. شاخص های SparseTensor به هم پیوسته.
• Output : 1-D. مقادیر غیر خالی SparseTensor به هم پیوسته یا هش شده.
• Output : 1-D. شکل SparseTensor به هم پیوسته.

صفات عمومی

Operation operation

::tensorflow::Output output_indices

::tensorflow::Output output_shape

::tensorflow::Output output_values

 SparseCross(
  const ::tensorflow::Scope & scope,
  ::tensorflow::InputList indices,
  ::tensorflow::InputList values,
  ::tensorflow::InputList shapes,
  ::tensorflow::InputList dense_inputs,
  bool hashed_output,
  int64 num_buckets,
  int64 hash_key,
  DataType out_type,
  DataType internal_type
)