EnqueueTPUEmbeddingSparseTensorBatch kelas akhir publik
Memudahkan porting kode yang menggunakan tf.nn.embedding_lookup_sparse().
sample_indices[i], embedding_indices[i] dan aggregation_weights[i] sesuai dengan fitur ke-i. table_ids[i] menunjukkan tabel penyematan mana yang akan dicari fiturnya.
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 | EnqueueTPUEmbeddingSparseTensorBatch.Options | Atribut opsional untuk EnqueueTPUEmbeddingSparseTensorBatch | |
Metode Publik
| EnqueueTPUEmbeddingSparseTensorBatch.Options statis | penggabung (Daftar<String> penggabung) |
| statis <T memperluas Nomor, U memperluas Nomor, V memperluas Nomor> EnqueueTPUEmbeddingSparseTensorBatch | buat ( Cakupan cakupan , Iterable< Operand <T>> sampleIndices, Iterable< Operand <U>> embeddingIndices, Iterable< Operand <V>> aggregationWeights, Operand <String> modeOverride, List<Long> tableIds, Options... options) Metode pabrik untuk membuat kelas yang membungkus operasi EnqueueTPUEmbeddingSparseTensorBatch baru. |
| EnqueueTPUEmbeddingSparseTensorBatch.Options statis | deviceOrdinal (Perangkat panjangOrdinal) |
| EnqueueTPUEmbeddingSparseTensorBatch.Options statis | maxSequenceLengths (Daftar<Panjang> maxSequenceLengths) |
| EnqueueTPUEmbeddingSparseTensorBatch.Options statis | numFeatures (Daftar<Panjang> numFeatures) |
Metode Warisan
Metode Publik
penggabung EnqueueTPUEmbeddingSparseTensorBatch.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 EnqueueTPUEmbeddingSparseTensorBatch buat ( Lingkup lingkup, Iterable< Operand <T>> sampleIndices, Iterable< Operand <U>> embeddingIndices, Iterable< Operand <V>> aggregationWeights, Operand <String> modeOverride, List<Long> tableIds, Options.. . pilihan)
Metode pabrik untuk membuat kelas yang membungkus operasi EnqueueTPUEmbeddingSparseTensorBatch baru.
Parameter
| cakupan | ruang lingkup saat ini |
|---|---|
| sampelIndeks | Daftar Tensor peringkat 1 yang menentukan contoh pelatihan yang memiliki nilai embedding_indices dan aggregation_weights yang sesuai. Ini sesuai dengan sp_ids.indices[:,0] di embedding_lookup_sparse(). |
| menyematkan Indeks | Daftar Tensor peringkat 1, indeks ke dalam tabel penyematan. Ini sesuai dengan sp_ids.values di embedding_lookup_sparse(). |
| agregasiBerat | Daftar Tensor peringkat 1 yang berisi bobot agregasi per contoh pelatihan. Ini sesuai dengan sp_weights.values di embedding_lookup_sparse(). |
| 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. |
| tableIds | Daftar bilangan bulat yang menentukan pengidentifikasi tabel penyematan (offset 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 EnqueueTPUEmbeddingSparseTensorBatch
Enqueue statis publikTPUEmbeddingSparseTensorBatch.Options deviceOrdinal (Perangkat PanjangOrdinal)
Parameter
| perangkatOrdinal | Perangkat TPU yang akan digunakan. Harus >= 0 dan kurang dari jumlah inti TPU dalam tugas tempat node ditempatkan. |
|---|