public class akhir EnqueueTPUEmbeddingRaggedTensorBatch
Memudahkan porting kode yang menggunakan tf.nn.embedding_lookup().
sample_splits[i], embedding_indices[i] dan aggregation_weights[i] sesuai dengan fitur ke-i. table_ids[i] menunjukkan tabel penyematan mana yang mencari fitur ke-i.
Tensor pada posisi yang sesuai dalam dua daftar input, 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 | EnqueueTPUEbeddingRaggedTensorBatch.Options | Atribut opsional untuk EnqueueTPUEmbeddingRaggedTensorBatch | |
Metode Publik
| statis EnqueueTPUEmbeddingRaggedTensorBatch.Options | combiners (Daftar <String> combiners) |
| statis <T meluas Nomor, U meluas Nomor, V meluas Nomor> EnqueueTPUEmbeddingRaggedTensorBatch | membuat ( Lingkup lingkup, Iterable < Operan <T >> sampleSplits, Iterable < Operan <U >> embeddingIndices, Iterable < Operan <V >> aggregationWeights, Operan <String> modeOverride, Daftar <Panjang> tableIds, Options ... pilihan) Metode pabrik untuk membuat kelas yang membungkus operasi EnqueueTPUEmbeddingRaggedTensorBatch baru. |
| statis EnqueueTPUEmbeddingRaggedTensorBatch.Options | deviceOrdinal (Long deviceOrdinal) |
| statis EnqueueTPUEmbeddingRaggedTensorBatch.Options | maxSequenceLengths (Daftar <Panjang> maxSequenceLengths) |
| statis EnqueueTPUEmbeddingRaggedTensorBatch.Options | numFeatures (Daftar <Panjang> numFeatures) |
Metode yang Diwarisi
Metode Publik
public static EnqueueTPUEmbeddingRaggedTensorBatch.Options combiners (Daftar <String> combiners)
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 EnqueueTPUEmbeddingRaggedTensorBatch membuat ( Scope lingkup, Iterable < Operan <T >> sampleSplits, Iterable < Operan <U >> embeddingIndices, Iterable < Operan <V >> aggregationWeights, Operan <String> modeOverride, Daftar <Panjang> tableIds, Pilihan .. . Pilihan)
Metode pabrik untuk membuat kelas yang membungkus operasi EnqueueTPUEmbeddingRaggedTensorBatch baru.
Parameter
| cakupan | lingkup saat ini |
|---|---|
| sampelSplit | Daftar Tensor peringkat 1 yang menentukan break point untuk memisahkan embedding_indices dan aggregation_weights ke dalam baris. Ini sesuai dengan ids.row_splits di embedding_lookup(), ketika id adalah RaggedTensor. |
| embeddingIndex | Daftar Tensor peringkat 1, indeks ke dalam tabel embedding. Ini sesuai dengan ids.values di embedding_lookup(), ketika id adalah RaggedTensor. |
| agregasiBerat | Daftar Tensor peringkat 1 yang berisi bobot agregasi contoh per pelatihan. Ini sesuai dengan bidang nilai dari RaggedTensor dengan row_splits yang sama seperti id di embedding_lookup(), ketika id adalah RaggedTensor. |
| modeOverride | Input string yang menggantikan mode yang ditentukan dalam TPUEmbeddingConfiguration. 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. |
| tableIds | Daftar bilangan bulat yang menentukan pengidentifikasi tabel penyematan (offset dari TableDescriptor di TPUembeddingConfiguration) untuk mencari input yang sesuai. Input ke-i dicari menggunakan table_ids[i]. Ukuran daftar table_ids harus sama dengan sample_indices, embedding_indices, dan aggregation_weights. |
| pilihan | membawa nilai atribut opsional |
Kembali
- contoh baru dari EnqueueTPUEmbeddingRaggedTensorBatch
public static EnqueueTPUEmbeddingRaggedTensorBatch.Options deviceOrdinal (Long deviceOrdinal)
Parameter
| perangkatOrdinal | Perangkat TPU yang akan digunakan. Harus >= 0 dan kurang dari jumlah inti TPU dalam tugas di mana node ditempatkan. |
|---|