جریان تنسور:: عملیات:: SparseSplit

SparseTensor در امتداد یک بعد به تانسورهای num_split تقسیم کنید.

خلاصه

اگر shape[split_dim] مضرب صحیح num_split نباشد. Slices [0 : shape[split_dim] % num_split] یک بعد اضافی می گیرد. به عنوان مثال، اگر split_dim = 1 و num_split = 2 و ورودی است

input_tensor = shape = [2, 7]
[    a   d e  ]
[b c          ]

از نظر گرافیکی تانسورهای خروجی عبارتند از:

output_tensor[0] = shape = [2, 4]
[    a  ]
[b c    ]

output_tensor[1] = shape = [2, 3]
[ d e  ]
[      ]

استدلال ها:

• scope: یک شی Scope
• split_dim: 0-D. بعد که در امتداد آن تقسیم شود. باید در محدوده [0, rank(shape)) باشد.
• شاخص ها: تانسور 2 بعدی نشان دهنده شاخص های تانسور پراکنده است.
• مقادیر: تانسور 1-D نشان دهنده مقادیر تانسور پراکنده است.
• شکل: 1-D. تانسور شکل تانسور پراکنده را نشان می دهد. شاخص های خروجی: فهرستی از تانسورهای 1-D نشان دهنده شاخص های تانسورهای پراکنده خروجی است.
• num_split: تعداد روش‌های تقسیم.

برمی‌گرداند:

• OutputList output_indexes
• OutputList output_values: لیستی از تانسورهای 1-D مقادیر تانسورهای پراکنده خروجی را نشان می دهد.
• OutputList output_shape: لیستی از تانسورهای 1 بعدی شکل تانسورهای پراکنده خروجی را نشان می دهد.

صفات عمومی

Operation operation

::tensorflow::OutputList output_indices

::tensorflow::OutputList output_shape

::tensorflow::OutputList output_values

 SparseSplit(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input split_dim,
  ::tensorflow::Input indices,
  ::tensorflow::Input values,
  ::tensorflow::Input shape,
  int64 num_split
)