RaggedTensorFromVariant

public class akhir RaggedTensorFromVariant

Mendekode Tensor `varian` menjadi `RaggedTensor`.

Mendekode Tensor `varian` yang diberikan dan mengembalikan `RaggedTensor`. Inputnya bisa berupa skalar, yang berarti mengkodekan satu `RaggedTensor` dengan ragged_rank `output_ragged_rank`. Itu juga bisa memiliki peringkat arbitrer, dalam hal ini setiap elemen didekodekan menjadi `RaggedTensor` dengan ragged_rank `input_ragged_rank` dan ini kemudian ditumpuk sesuai dengan bentuk input untuk menghasilkan satu `RaggedTensor` dengan ragged_rank `output_ragged_rank`. Setiap elemen `varian` dalam Tensor input didekode dengan mengambil dari elemen Tensor `varian` 1-D dengan `input_ragged_rank + 1` Tensor, sesuai dengan pemisahan dan nilai dari `RaggedTensor` yang didekode. Jika `input_ragged_rank` adalah -1, maka disimpulkan sebagai `output_ragged_rank` - `rank(encoded_ragged)`. Lihat `RaggedTensorToVariant` untuk logika pengkodean yang sesuai.

Metode Publik

statis <T> RaggedTensorFromVariant <Panjang, T>	membuat ( Lingkup lingkup, Operan <?> encodedRagged, Long inputRaggedRank, Long outputRaggedRank, Kelas <T> Tvalues) Metode pabrik untuk membuat kelas yang membungkus operasi RaggedTensorFromVariant baru menggunakan tipe keluaran default.
statis <U meluas Nomor, T> RaggedTensorFromVariant <U, T>	membuat ( Lingkup lingkup, Operan <?> encodedRagged, Long inputRaggedRank, Long outputRaggedRank, Kelas <T> Tvalues, Kelas <U> Tsplits) Metode pabrik untuk membuat kelas yang membungkus operasi RaggedTensorFromVariant baru.
Output <T>	outputDenseValues () Tensor yang mewakili nilai output `RaggedTensor`.
Daftar < Keluaran <U >>	outputNestedSplits () Daftar satu atau beberapa Tensor yang mewakili pemisahan output `RaggedTensor`.

Metode yang Diwarisi

Dari kelas org.tensorflow.op.PrimitiveOp

boolean akhir	sama (Object obj)
akhir	hashCode ()
Operasi	op () Mengembalikan mendasari Operation
string terakhir	toString ()

Dari kelas java.lang.Object

boolean	sama (Object arg0)
Kelas terakhir<?>	getClass ()
ke dalam	hashCode ()
kekosongan akhir	notify ()
kekosongan akhir	notifyAll ()
Rangkaian	toString ()
kekosongan akhir	menunggu (arg0 panjang, int arg1)
kekosongan akhir	menunggu (arg0 panjang)
kekosongan akhir	menunggu ()

Metode Publik

public static RaggedTensorFromVariant <Panjang, T> membuat ( Lingkup lingkup, Operan <?> encodedRagged, Long inputRaggedRank, Long outputRaggedRank, Kelas <T> Tvalues)

Metode pabrik untuk membuat kelas yang membungkus operasi RaggedTensorFromVariant baru menggunakan tipe keluaran default.

Parameter

cakupan	lingkup saat ini
dikodekanRagged	Tensor `varian` yang berisi `RaggedTensor`s yang dikodekan.
masukanRaggedRank	Peringkat kasar dari setiap komponen `RaggedTensor` yang disandikan dalam input. Jika disetel ke -1, ini disimpulkan sebagai `output_ragged_rank` - `rank(encoded_ragged)`
keluaranRaggedRank	Peringkat kasar yang diharapkan dari output `RaggedTensor`. Yang berikut ini harus memiliki: `output_ragged_rank = rank(encoded_ragged) + input_ragged_rank`.

Kembali

• contoh baru dari RaggedTensorFromVariant

public static RaggedTensorFromVariant <U, T> membuat ( Lingkup lingkup, Operan <?> encodedRagged, Long inputRaggedRank, Long outputRaggedRank, Kelas <T> Tvalues, Kelas <U> Tsplits)

Metode pabrik untuk membuat kelas yang membungkus operasi RaggedTensorFromVariant baru.

Parameter

cakupan	lingkup saat ini
dikodekanRagged	Tensor `varian` yang berisi `RaggedTensor`s yang dikodekan.
masukanRaggedRank	Peringkat kasar dari setiap komponen `RaggedTensor` yang disandikan dalam input. Jika disetel ke -1, ini disimpulkan sebagai `output_ragged_rank` - `rank(encoded_ragged)`
keluaranRaggedRank	Peringkat kasar yang diharapkan dari output `RaggedTensor`. Yang berikut ini harus memiliki: `output_ragged_rank = rank(encoded_ragged) + input_ragged_rank`.

Kembali

• contoh baru dari RaggedTensorFromVariant

publik Keluaran <T> outputDenseValues ()

Tensor yang mewakili nilai output `RaggedTensor`.

public List < Keluaran <U >> outputNestedSplits ()

Daftar satu atau beberapa Tensor yang mewakili pemisahan output `RaggedTensor`.