tensor akışı:: işlem:: AyrıştırmaÖrneğiV2

Bir tf.Example protokol vektörünü (dize olarak) yazılan tensörlere dönüştürür.

Özet

Argümanlar:

• kapsam: Bir Kapsam nesnesi
• serileştirilmiş: İkili serileştirilmiş Örnek protokollerini içeren bir skaler veya vektör.
• adlar: Serileştirilmiş protokollerin adlarını içeren bir tensör. serialized tensörle 1:1'e karşılık gelir. Örneğin karşılık gelen serileştirilmiş protokoller için tablo anahtarı (açıklayıcı) adlarını içerebilir. Bunlar tamamen hata ayıklama amacıyla kullanışlıdır ve buradaki değerlerin varlığının çıktı üzerinde hiçbir etkisi yoktur. İsim yoksa boş bir vektör de olabilir. Boş değilse bu tensör "serileştirilmiş" ile aynı şekle sahip olmalıdır.
• sparse_keys: Dizelerin vektörü. Örneklerin özelliklerinde beklenen anahtarlar seyrek değerlerle ilişkilidir.
• yoğun_keys: Dizelerin vektörü. Örneklerin özelliklerinde beklenen anahtarlar yoğun değerlerle ilişkilidir.
• ragged_keys: Dizelerin vektörü. Düzensiz değerlerle ilişkili Örneklerin özelliklerinde beklenen anahtarlar.
• yoğun_defaults: Tensörlerin listesi (bazıları boş olabilir). dense_keys ile 1:1'e karşılık gelir. yoğun_defaults[j], örneğin feature_map'inde yoğun_anahtar[j] bulunmadığında varsayılan değerleri sağlar. Yoğun_varsayılanlar[j] için boş bir Tensör sağlanırsa, yoğun_anahtarlar[j] Özelliği gereklidir. Giriş türü, boş olsa bile, yoğun_defaults[j]'dan çıkarılır. Yoğun_defaults[j] boş değilse ve yoğun_şekiller[j] tam olarak tanımlanmışsa, yoğun_defaults[j]'nin şekli yoğun_şekiller[j]'nin şekliyle eşleşmelidir. Eğer yoğun_şekiller[j] tanımlanmamış bir ana boyuta sahipse (değişken adımlar yoğun özelliği), yoğun_defaults[j] tek bir öğe içermelidir: dolgu öğesi.
• num_sparse: Seyrek anahtarların sayısı.
• sparse_types: num_sparse türlerinin listesi; sparse_keys'de verilen her Özellikteki verilerin veri türleri. Şu anda ParseExample DT_FLOAT (FloatList), DT_INT64 (Int64List) ve DT_STRING'i (BytesList) desteklemektedir.
• ragged_value_types: num_ragged türlerinin listesi; ragged_keys cinsinden verilen her Özellikteki verilerin veri türleri (burada num_ragged = sparse_keys.size() ). Şu anda ParseExample DT_FLOAT (FloatList), DT_INT64 (Int64List) ve DT_STRING'i (BytesList) desteklemektedir.
• ragged_split_types: num_ragged türlerinin listesi; ragged_keys cinsinden verilen her Özellikteki row_splits veri türleri (burada num_ragged = sparse_keys.size() ). DT_INT32 veya DT_INT64 olabilir.
• yoğun_şekiller: num_dense şekillerin listesi; her Özellikteki veri şekilleri yoğun_anahtarlarda verilmiştir (burada num_dense = dense_keys.size() ). Özellikte yoğun_anahtar[j]'a karşılık gelen öğelerin sayısı her zaman yoğun_şekiller[j].NumEntries()'a eşit olmalıdır. Eğer yoğun_şekiller[j] == (D0, D1, ..., DN) ise, Tensör yoğun_değerleri[j] çıkışının şekli şöyle olacaktır (|serileştirilmiş|, D0, D1, ..., DN): Yoğun çıkışlar şöyledir: yalnızca toplu olarak satır halinde yığılmış girişler. Bu, yoğun_şekiller[j] = (-1, D1, ..., DN) için işe yarar. Bu durumda Tensör yoğun_değerleri[j] çıkışının şekli (|serileştirilmiş|, M, D1, .., DN) olacaktır; burada M, D1 * .... * DN uzunluğundaki elemanların maksimum blok sayısıdır. , girişteki tüm mini toplu girişlerde. D1 * ... * DN uzunluğundaki M bloktan daha az eleman bloğu içeren herhangi bir mini parti girişi, ikinci boyut boyunca karşılık gelen default_value skaler elemanı ile doldurulacaktır.

İade:

• OutputList sparse_indices
• OutputList sparse_values
• OutputList sparse_shapes
• OutputList yoğun_değerler
• OutputList ragged_values
• OutputList ragged_row_splits

Genel özellikler

::tensorflow::OutputList dense_values

Operation operation

::tensorflow::OutputList ragged_row_splits

::tensorflow::OutputList ragged_values

::tensorflow::OutputList sparse_indices

::tensorflow::OutputList sparse_shapes

::tensorflow::OutputList sparse_values

 ParseExampleV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input serialized,
  ::tensorflow::Input names,
  ::tensorflow::Input sparse_keys,
  ::tensorflow::Input dense_keys,
  ::tensorflow::Input ragged_keys,
  ::tensorflow::InputList dense_defaults,
  int64 num_sparse,
  const DataTypeSlice & sparse_types,
  const DataTypeSlice & ragged_value_types,
  const DataTypeSlice & ragged_split_types,
  const gtl::ArraySlice< PartialTensorShape > & dense_shapes
)