جریان تنسور:: عملیات:: SparseCrossV2

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.
• sep: رشته ای که هنگام پیوستن به لیست ورودی های رشته استفاده می شود، می تواند بعداً به عنوان جداکننده استفاده 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

 SparseCrossV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::InputList indices,
  ::tensorflow::InputList values,
  ::tensorflow::InputList shapes,
  ::tensorflow::InputList dense_inputs,
  ::tensorflow::Input sep
)