Menghasilkan persilangan renggang dari daftar tensor renggang dan padat.
Operasi ini mengambil dua daftar, satu `SparseTensor` 2D dan satu `Tensor` 2D, masing-masing mewakili fitur dari satu kolom fitur. Ini menghasilkan `SparseTensor` 2D dengan persilangan fitur-fitur ini secara batch.
Misalnya, jika masukannya adalah
input[0]: SparseTensor dengan bentuk = [2, 2] [0, 0]: "a" [1, 0]: "b" [1, 1]: "c"
input[1]: SparseTensor dengan bentuk = [2, 1] [0, 0]: "d" [1, 0]: "e"
masukan[2]: Tensor [["f"], ["g"]]
maka outputnya adalah
bentuk = [2, 2] [0, 0]: "a_X_d_X_f" [1, 0]: "b_X_e_X_g" [1, 1]: "c_X_e_X_g"
jika hashed_output=true maka outputnya akan menjadi
bentuk = [2, 2] [0, 0]: FingerprintCat64( Fingerprint64("f"), FingerprintCat64( Fingerprint64("d"), Fingerprint64("a"))) [1, 0]: FingerprintCat64( Fingerprint64(" g"), FingerprintCat64( Fingerprint64("e"), Fingerprint64("b"))) [1, 1]: FingerprintCat64( Fingerprint64("g"), FingerprintCat64( Fingerprint64("e"), Fingerprint64("c" )))
Metode Publik
SparseCrossHashed statis | buat ( Lingkup cakupan, indeks Iterable< Operand <Long>>, nilai Iterable< Operand <?>>, bentuk Iterable< Operand <Long>>, Iterable< Operand <?>> solidInputs, Operand <Long> numBuckets, Operand <Boolean > strongHash, Operan <Panjang> garam) Metode pabrik untuk membuat kelas yang membungkus operasi SparseCrossHashed baru. |
Keluaran <Panjang> | Indeks keluaran () 2-D. |
Keluaran <Panjang> | bentuk keluaran () 1-D. |
Keluaran <Panjang> | Nilai keluaran () 1-D. |
Metode Warisan
Metode Publik
public static SparseCrossHashed buat ( Lingkup cakupan , indeks Iterable< Operand <Long>>, nilai Iterable< Operand <?>>, bentuk Iterable< Operand <Long>>, Iterable< Operand <?>> input padat, Operand <Long> numBuckets, Operan <Boolean> strongHash, Operan <Panjang> garam)
Metode pabrik untuk membuat kelas yang membungkus operasi SparseCrossHashed baru.
Parameter
cakupan | ruang lingkup saat ini |
---|---|
indeks | 2-D. Indeks setiap masukan `SparseTensor`. |
nilai-nilai | 1-D. nilai setiap `SparseTensor`. |
bentuk | 1-D. Bentuk setiap `SparseTensor`. |
input padat | 2-D. Kolom diwakili oleh `Tensor` yang padat. |
nomorBucket | Ini digunakan jika hashed_output benar. output = nilai_hash%num_buckets jika num_buckets > 0 jika tidak, nilai_hash. |
kuatHash | boolean, jika benar, siphash dengan garam akan digunakan sebagai pengganti farmhash. |
garam | Tentukan garam yang akan digunakan oleh fungsi siphash. |
Kembali
- contoh baru dari SparseCrossHashed
publik Keluaran <Panjang> Nilai keluaran ()
1-D. Nilai tidak kosong dari `SparseTensor` yang digabungkan atau di-hash.