EnqueueTPUEmbeddingSparseTensorBatch

পাবলিক ফাইনাল ক্লাস EnqueueTPUEmbeddingSparseTensorBatch

কোডের পোর্টিং সহজ করে যা tf.nn.embedding_lookup_sparse() ব্যবহার করে।

নমুনা_সূচক[i], এম্বেডিং_সূচক[i] এবং সমষ্টি_ওজন[i] ith বৈশিষ্ট্যের সাথে মিলে যায়। table_ids[i] নির্দেশ করে কোন এম্বেডিং টেবিলটি ith বৈশিষ্ট্য দেখতে হবে।

তিনটি ইনপুট তালিকার (নমুনা_সূচক, এমবেডিং_সূচক এবং একত্রীকরণ_ওজন) সংশ্লিষ্ট অবস্থানে থাকা টেনসরগুলির অবশ্যই একই আকৃতি থাকতে হবে, যেমন অনুরূপ বৈশিষ্ট্য দ্বারা বর্ণিত টেবিলে লুকআপের মোট সংখ্যার সমান dim_size() সহ র্যাঙ্ক 1।

নেস্টেড ক্লাস

ক্লাস EnqueueTPUEmbeddingSparseTensorBatch.Options EnqueueTPUEmbeddingSparseTensorBatch এর জন্য ঐচ্ছিক বৈশিষ্ট্য

পাবলিক পদ্ধতি

স্ট্যাটিক EnqueueTPUEmbeddingSparseTensorBatch.Options
কম্বাইনার (লিস্ট<স্ট্রিং> কম্বাইনার)
স্ট্যাটিক <T নম্বর প্রসারিত করে, U নম্বর প্রসারিত করে, V নম্বর প্রসারিত করে> EnqueueTPUEmbeddingSparseTensorBatch
তৈরি করুন ( Scope scope, Iterable< Operand <T>> sampleIndices, Iterable< Operand <U>> embeddingIndices, Iterable< Operand <V>> aggregationweights, Operand <String> modeOverride, List<Long> tableIds, Options... বিকল্প)
একটি নতুন EnqueueTPUEmbeddingSparseTensorBatch অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানা পদ্ধতি।
স্ট্যাটিক EnqueueTPUEmbeddingSparseTensorBatch.Options
ডিভাইস অর্ডিনাল (লং ডিভাইস অর্ডিনাল)
স্ট্যাটিক EnqueueTPUEmbeddingSparseTensorBatch.Options
maxSequence Lengths (List<Long> maxSequence Lengths)
স্ট্যাটিক EnqueueTPUEmbeddingSparseTensorBatch.Options
numfeatures (List<Long> numfeatures)

উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি

পাবলিক পদ্ধতি

পাবলিক স্ট্যাটিক EnqueueTPUEmbeddingSparseTensorBatch.Options combiners (List<String> combiners)

পরামিতি
সংযোজক স্ট্রিং স্কেলারগুলির একটি তালিকা, প্রতিটি এম্বেডিং টেবিলের জন্য একটি যা নির্দিষ্ট করে কিভাবে ওজনযুক্ত যোগফলের পরে এমবেডিং অ্যাক্টিভেশনগুলিকে স্বাভাবিক করা যায়। সমর্থিত কম্বাইনারগুলি হল 'মান', 'সমর্থন' বা 'sqrtn'। 'মান'-এর জন্য ওজনের যোগফল 0 বা 'sqrtn'-এর জন্য বর্গ ওজনের যোগফল 0 হওয়া অবৈধ। যদি কম্বাইনারগুলি পাস না করা হয়, ডিফল্ট হল সমস্ত টেবিলের জন্য 'সমষ্টি' ব্যবহার করা।

পাবলিক স্ট্যাটিক EnqueueTPUEmbeddingSparseTensorBatch তৈরি করুন ( স্কোপ স্কোপ, Iterable< Operand <T>> sampleIndices, Iterable< Operand <U>> embedding Indices, Iterable< Operand <V>> aggregationweights, Operand <String> modeOverride, t<LdsI. বিকল্প )

একটি নতুন EnqueueTPUEmbeddingSparseTensorBatch অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানা পদ্ধতি।

পরামিতি
সুযোগ বর্তমান সুযোগ
নমুনা সূচক র‍্যাঙ্ক 1 টেনসরের একটি তালিকা যা প্রশিক্ষণের উদাহরণ নির্দিষ্ট করে যার সাথে সংশ্লিষ্ট এমবেডিং_সূচক এবং সমষ্টি_ওজন মানগুলি অন্তর্গত। এটি embedding_lookup_sparse() এ sp_ids.indices[:,0] এর সাথে মিলে যায়।
এমবেডিং সূচক র্যাঙ্ক 1 টেনসরের একটি তালিকা, এম্বেডিং টেবিলের মধ্যে সূচক। এটি embedding_lookup_sparse() এ sp_ids.values ​​এর সাথে মিলে যায়।
একত্রিত ওজন র‍্যাঙ্ক 1 টেনসরের একটি তালিকা যেখানে প্রতি প্রশিক্ষণের উদাহরণ একত্রিতকরণ ওজন রয়েছে। এটি embedding_lookup_sparse() এ sp_weights.values ​​এর সাথে মিলে যায়।
মোড ওভাররাইড একটি স্ট্রিং ইনপুট যা TPUEmbedding কনফিগারেশনে নির্দিষ্ট করা মোডকে ওভাররাইড করে। সমর্থিত মান হল {'unspecified', 'inference', 'training', 'backward_pass_only'}। 'অনির্দিষ্ট'-এ সেট করা হলে, TPUEmbeddingConfiguration-এ সেট করা মোড ব্যবহার করা হয়, অন্যথায় mode_override ব্যবহার করা হয়।
টেবিল আইডি সংশ্লিষ্ট ইনপুট খোঁজার জন্য এম্বেডিং টেবিলের (TPUEmbedding Configuration-এ TableDescriptor অফসেট) শনাক্তকারী নির্দিষ্ট করে পূর্ণসংখ্যার একটি তালিকা। ith ইনপুট table_ids[i] ব্যবহার করে দেখা হয়। টেবিল_আইডি তালিকার আকার অবশ্যই নমুনা_সূচক, এম্বেডিং_সূচক এবং সমষ্টি_ওজন এর সমান হতে হবে।
বিকল্প ঐচ্ছিক বৈশিষ্ট্য মান বহন করে
রিটার্নস
  • EnqueueTPUEmbeddingSparseTensorBatch এর একটি নতুন উদাহরণ

সর্বজনীন স্ট্যাটিক EnqueueTPUEmbeddingSparseTensorBatch.Options deviceOrdinal (লং ডিভাইস অর্ডিনাল)

পরামিতি
ডিভাইস অর্ডিনাল টিপিইউ ডিভাইসটি ব্যবহার করতে হবে। যে টাস্কটিতে নোডটি স্থাপন করা হয়েছে তাতে TPU কোরের সংখ্যা থেকে >= 0 এবং কম হওয়া উচিত।

সর্বজনীন স্ট্যাটিক EnqueueTPUEmbeddingSparseTensorBatch.Options maxSequenceLengths (List<Long> maxSequenceLengths)

সর্বজনীন স্ট্যাটিক EnqueueTPUEmbeddingSparseTensorBatch.Options numFeatures (List<Long> numFeatures)