Memudahkan porting kode yang menggunakan tf.nn.embedding_lookup_sparse().
embedding_indices[i] dan aggregation_weights[i] sesuai dengan fitur ke-i.
Tensor pada posisi terkait dalam tiga daftar input (indeks_sampel, indeks_penyematan, dan bobot_agregasi) harus memiliki bentuk yang sama, yaitu peringkat 1 dengan dim_size() sama dengan jumlah total pencarian ke dalam tabel yang dijelaskan oleh fitur terkait.
Kelas Bersarang
| kelas | DynamicEnqueueTPUEbeddingArbitraryTensorBatch.Options | Atribut opsional untuk DynamicEnqueueTPUEmbeddingArbitraryTensorBatch | |
Metode Publik
| DynamicEnqueueTPUEpembeddingArbitraryTensorBatch.Options . statis | penggabung (penggabung Daftar<String>) |
| static <T memperpanjang Angka, U memperpanjang Angka, V memanjangkan Angka> DynamicEnqueueTPUEmbeddingArbitraryTensorBatch | buat ( Cakupan lingkup, Iterable< Operand <T>> sampleIndicesOrRowSplits, Iterable< Operand <U>> embeddingIndices, Iterable< Operand <V>> agregasiWeights, Operand <String> modeOverride, Operand <Integer> deviceOrdinal, Opsi... opsi) Metode pabrik untuk membuat kelas yang membungkus operasi DynamicEnqueueTPUEmbeddingArbitraryTensorBatch baru. |
Metode yang Diwarisi
Metode Publik
penggabung DynamicEnqueueTPUEmbeddingArbitraryTensorBatch.Options publik statis ( penggabung Daftar<String>)
Parameter
| penggabung | Daftar skalar string, satu untuk setiap tabel penyematan yang menentukan cara menormalkan aktivasi penyematan setelah penjumlahan berbobot. Penggabung yang didukung adalah 'mean', 'sum', atau 'sqrtn'. Tidak valid jika jumlah bobot menjadi 0 untuk 'rata-rata' atau jumlah bobot kuadrat menjadi 0 untuk 'persegi'. Jika penggabung tidak lulus, defaultnya adalah menggunakan 'jumlah' untuk semua tabel. |
|---|
public static DynamicEnqueueTPUEmbeddingArbitraryTensorBatch create ( Scope scope, Iterable< Operand <T>> sampleIndicesOrRowSplits, Iterable< Operand <U>> embeddingIndices, Iterable< Operand <V>> aggregationWeights, Operand <String> mode Operand <Override,> perangkat . . pilihan)
Metode pabrik untuk membuat kelas yang membungkus operasi DynamicEnqueueTPUEmbeddingArbitraryTensorBatch baru.
Parameter
| cakupan | lingkup saat ini |
|---|---|
| sampleIndicesAtauRowSplits | Daftar Tensor peringkat 2 yang menentukan contoh pelatihan yang memiliki nilai embedding_indices dan aggregation_weights yang sesuai. Jika ukuran dimensi pertamanya adalah 0, kami menganggap setiap embedding_indices milik sampel yang berbeda. Baik int32 dan int64 diizinkan dan akan dikonversi ke int32 secara internal. Atau daftar Tensor peringkat 1 yang menentukan pemisahan baris untuk memisahkan embedding_indices dan aggregation_weights ke dalam baris. Ini sesuai dengan ids.row_splits di embedding_lookup(), ketika id adalah RaggedTensor. Saat mengantrekan ragged tensor, hanya dimensi terakhir yang boleh di-ragged. pemisahan baris adalah tensor padat 1-D. Saat kosong, kami menganggap tensor padat dilewatkan ke op Baik int32 dan int64 diizinkan dan akan dikonversi ke int32 secara internal. |
| embeddingIndex | Daftar Tensor peringkat 1, indeks ke dalam tabel embedding. Baik int32 dan int64 diizinkan dan akan dikonversi ke int32 secara internal. |
| agregasiBerat | Daftar Tensor peringkat 1 yang berisi bobot agregasi contoh per pelatihan. Baik float32 dan float64 diizinkan dan akan dikonversi ke float32 secara internal. |
| modeOverride | Input string yang menggantikan mode yang ditentukan dalam TPUEmbbeddingConfiguration. Nilai yang didukung adalah {'unspecified', 'inference', 'training', 'backward_pass_only'}. Ketika diatur ke 'tidak ditentukan', mode yang diatur dalam TPUEmbeddingConfiguration digunakan, jika tidak, mode_override digunakan. |
| perangkatOrdinal | Perangkat TPU yang akan digunakan. Harus >= 0 dan kurang dari jumlah inti TPU dalam tugas di mana node ditempatkan. |
| pilihan | membawa nilai atribut opsional |
Kembali
- contoh baru DynamicEnqueueTPUEmbeddingArbitraryTensorBatch