جریان تنسور:: عملیات:: DeserializeManySparse

#include <sparse_ops.h>

SparseTensors از یک minibatch سریالی جداسازی و الحاق کنید.

خلاصه

ورودی serialized_sparse باید یک ماتریس رشته ای به شکل [N x 3] باشد که در آن N اندازه minibatch است و ردیف ها مطابق با خروجی های بسته بندی شده SerializeSparse هستند. رتبه‌های اشیاء اصلی SparseTensor باید همه مطابقت داشته باشند. هنگامی که SparseTensor نهایی ایجاد می شود، دارای رتبه یک بالاتر از رتبه های اشیاء SparseTensor ورودی است (آنها در امتداد یک بعد ردیف جدید به هم پیوسته اند).

مقادیر شکل جسم SparseTensor خروجی برای همه ابعاد است، اما اولی حداکثر مقادیر شکل اشیاء SparseTensor ورودی برای ابعاد مربوطه است. اولین مقدار شکل آن N است، اندازه minibatch.

شاخص های اشیاء SparseTensor ورودی به ترتیب واژگانی استاندارد مرتب شده اند. اگر اینطور نیست، پس از این مرحله SparseReorder اجرا کنید تا ترتیب فهرست را بازیابی کنید.

به عنوان مثال، اگر ورودی سریال یک ماتریس [2 x 3] باشد که دو شی SparseTensor اصلی را نشان می دهد:

index = [ 0]
        [10]
        [20]
values = [1, 2, 3]
shape = [50]

و

index = [ 2]
        [10]
values = [4, 5]
shape = [30]

سپس SparseTensor نهایی deserialized خواهد بود:

index = [0  0]
        [0 10]
        [0 20]
        [1  2]
        [1 10]
values = [1, 2, 3, 4, 5]
shape = [2 50]

استدلال ها:

  • scope: یک شی Scope
  • serialized_sparse: 2-D، N اشیاء SparseTensor سریال شده. باید 3 ستون داشته باشد.
  • dtype: dtype از اشیاء سریال SparseTensor .

برمی گرداند:

  • Output شاخص های پراکنده
  • مقادیر_sparse_out Output
  • Output sparse_shape

سازندگان و ویرانگرها

DeserializeManySparse (const :: tensorflow::Scope & scope, :: tensorflow::Input serialized_sparse, DataType dtype)

صفات عمومی

operation
sparse_indices
sparse_shape
sparse_values

صفات عمومی

عملیات

Operation operation

اندیس_های پراکنده

::tensorflow::Output sparse_indices

پراکنده_شکل

::tensorflow::Output sparse_shape

مقادیر_کم

::tensorflow::Output sparse_values

توابع عمومی

DeserializeManySparse

 DeserializeManySparse(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input serialized_sparse,
  DataType dtype
)
،

جریان تنسور:: عملیات:: DeserializeManySparse

#include <sparse_ops.h>

SparseTensors از یک minibatch سریالی جداسازی و الحاق کنید.

خلاصه

ورودی serialized_sparse باید یک ماتریس رشته ای به شکل [N x 3] باشد که در آن N اندازه minibatch است و ردیف ها مطابق با خروجی های بسته بندی شده SerializeSparse هستند. رتبه‌های اشیاء اصلی SparseTensor باید همه مطابقت داشته باشند. هنگامی که SparseTensor نهایی ایجاد می شود، دارای رتبه یک بالاتر از رتبه های اشیاء SparseTensor ورودی است (آنها در امتداد یک بعد ردیف جدید به هم پیوسته اند).

مقادیر شکل جسم SparseTensor خروجی برای همه ابعاد است، اما اولی حداکثر مقادیر شکل اشیاء SparseTensor ورودی برای ابعاد مربوطه است. اولین مقدار شکل آن N است، اندازه minibatch.

شاخص های اشیاء SparseTensor ورودی به ترتیب واژگانی استاندارد مرتب شده اند. اگر اینطور نیست، پس از این مرحله SparseReorder اجرا کنید تا ترتیب فهرست را بازیابی کنید.

به عنوان مثال، اگر ورودی سریال یک ماتریس [2 x 3] باشد که دو شی SparseTensor اصلی را نشان می دهد:

index = [ 0]
        [10]
        [20]
values = [1, 2, 3]
shape = [50]

و

index = [ 2]
        [10]
values = [4, 5]
shape = [30]

سپس SparseTensor نهایی deserialized خواهد بود:

index = [0  0]
        [0 10]
        [0 20]
        [1  2]
        [1 10]
values = [1, 2, 3, 4, 5]
shape = [2 50]

استدلال ها:

  • scope: یک شی Scope
  • serialized_sparse: 2-D، N اشیاء SparseTensor سریال شده. باید 3 ستون داشته باشد.
  • dtype: dtype از اشیاء سریال SparseTensor .

برمی گرداند:

  • Output شاخص های پراکنده
  • مقادیر_sparse_out Output
  • Output sparse_shape

سازندگان و ویرانگرها

DeserializeManySparse (const :: tensorflow::Scope & scope, :: tensorflow::Input serialized_sparse, DataType dtype)

صفات عمومی

operation
sparse_indices
sparse_shape
sparse_values

صفات عمومی

عملیات

Operation operation

اندیس_های پراکنده

::tensorflow::Output sparse_indices

پراکنده_شکل

::tensorflow::Output sparse_shape

مقادیر_کم

::tensorflow::Output sparse_values

توابع عمومی

DeserializeManySparse

 DeserializeManySparse(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input serialized_sparse,
  DataType dtype
)