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 yang sesuai dalam tiga daftar masukan (sample_indices, embedding_indices, dan aggregation_weights) 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 | DynamicEnqueueTPUEmbeddingArbitraryTensorBatch.Options | Atribut opsional untuk DynamicEnqueueTPUEmbeddingArbitraryTensorBatch | |
Metode Publik
| DynamicEnqueueTPUEmbeddingArbitraryTensorBatch.Options statis | penggabung (Daftar<String> penggabung) |
| statis <T memperluas Nomor, U memperluas Nomor, V memperluas Nomor> DynamicEnqueueTPUEmbeddingArbitraryTensorBatch | buat ( Lingkup cakupan, Iterable< Operand <T>> sampleIndicesOrRowSplits, Iterable< Operand <U>> embeddingIndices, Iterable< Operand <V>> aggregationWeights, Operand <String> modeOverride, Operand <Integer> deviceOrdinal, Opsi... opsi) Metode pabrik untuk membuat kelas yang membungkus operasi DynamicEnqueueTPUEmbeddingArbitraryTensorBatch baru. |
Metode Warisan
Metode Publik
penggabung DynamicEnqueueTPUEmbeddingArbitraryTensorBatch.Options statis publik (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 'kuadrat'. Jika penggabung tidak diteruskan, defaultnya adalah menggunakan 'jumlah' untuk semua tabel. |
|---|
public static DynamicEnqueueTPUEmbeddingArbitraryTensorBatch buat ( Lingkup cakupan, Iterable< Operand <T>> sampleIndicesOrRowSplits, Iterable< Operand <U>> embeddingIndices, Iterable< Operand <V>> aggregationWeights, Operand <String> modeOverride, Operand <Integer> deviceOrdinal, Opsi.. . pilihan)
Metode pabrik untuk membuat kelas yang membungkus operasi DynamicEnqueueTPUEmbeddingArbitraryTensorBatch baru.
Parameter
| cakupan | ruang lingkup saat ini |
|---|---|
| sampleIndicesOrRowSplits | 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 berasumsi setiap indeks_embes milik sampel yang berbeda. Baik int32 dan int64 diperbolehkan dan akan dikonversi ke int32 secara internal. Atau daftar Tensor peringkat 1 yang menentukan pembagian baris untuk memisahkan indeks_embedding dan bobot_agregasi menjadi beberapa baris. Ini sesuai dengan ids.row_splits di embedding_lookup(), ketika ids adalah RaggedTensor. Saat mengantrekan tensor ragged ND, hanya dimensi terakhir yang boleh di-ragged. pemisahan baris adalah tensor padat 1-D. Jika kosong, kami berasumsi tensor padat diteruskan ke op. Baik int32 dan int64 diizinkan dan akan dikonversi ke int32 secara internal. |
| menyematkan Indeks | Daftar Tensor peringkat 1, indeks ke dalam tabel penyematan. Baik int32 dan int64 diperbolehkan dan akan dikonversi ke int32 secara internal. |
| agregasiBerat | Daftar Tensor peringkat 1 yang berisi bobot agregasi per contoh pelatihan. Float32 dan float64 diperbolehkan dan akan dikonversi menjadi float32 secara internal. |
| modeOverride | Input string yang menggantikan mode yang ditentukan dalam TPUEmbeddingConfiguration. Nilai yang didukung adalah {'unspecified', 'inference', 'training', 'backward_pass_only'}. Jika disetel ke 'tidak ditentukan', mode yang disetel di TPUEmbeddingConfiguration akan digunakan, jika tidak, mode_override akan digunakan. |
| perangkatOrdinal | Perangkat TPU yang akan digunakan. Harus >= 0 dan kurang dari jumlah inti TPU dalam tugas tempat node ditempatkan. |
| pilihan | membawa nilai atribut opsional |
Kembali
- contoh baru dari DynamicEnqueueTPUEmbeddingArbitraryTensorBatch