aliran tensor:: operasi:: SparseCrossHashed

Menghasilkan persilangan renggang dari daftar tensor renggang dan padat.

Ringkasan

Operasi ini mengambil dua daftar, satu dari 2D SparseTensor dan satu dari 2D Tensor , masing-masing mewakili fitur dari satu kolom fitur. Ini menghasilkan SparseTensor 2D dengan persilangan fitur-fitur ini secara batch.

Misalnya, jika masukannya adalah

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"]]

maka outputnya adalah

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

jika hashed_output=true maka outputnya akan menjadi

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")))

Argumen:

• ruang lingkup: Objek Lingkup
• indeks: 2-D. Indeks setiap masukan SparseTensor .
• nilai: 1-D. nilai setiap SparseTensor .
• bentuk: 1-D. Bentuk setiap SparseTensor .
• input_padat: 2-D. Kolom diwakili oleh Tensor yang padat.
• num_buckets: Digunakan jika hashed_output benar. keluaran = hashed_valuenum_buckets jika num_buckets > 0 jika tidak hash_value.
• strong_hash: boolean, jika benar, siphash dengan garam akan digunakan sebagai pengganti farmhash.
• garam: Tentukan garam yang akan digunakan oleh fungsi siphash.

Pengembalian:

• Output keluaran_indeks: 2-D. Indeks dari gabungan SparseTensor .
• Nilai keluaran Output : 1-D. Nilai tidak kosong dari SparseTensor yang digabungkan atau di-hash.
• Bentuk keluaran Output : 1-D. Bentuk SparseTensor yang digabungkan.

Atribut publik

Operation operation

::tensorflow::Output output_indices

::tensorflow::Output output_shape

::tensorflow::Output output_values

 SparseCrossHashed(
  const ::tensorflow::Scope & scope,
  ::tensorflow::InputList indices,
  ::tensorflow::InputList values,
  ::tensorflow::InputList shapes,
  ::tensorflow::InputList dense_inputs,
  ::tensorflow::Input num_buckets,
  ::tensorflow::Input strong_hash,
  ::tensorflow::Input salt
)