Peringatan: API ini tidak digunakan lagi dan akan dihapus di versi TensorFlow mendatang setelah penggantinya stabil.

SparseCrossHashed

kelas akhir publik SparseCrossHashed

Menghasilkan persilangan jarang dari daftar tensor jarang dan padat.

Operasi ini mengambil dua daftar, satu dari `SparseTensor` 2D dan satu dari `Tensor` 2D, masing-masing mewakili fitur dari satu kolom fitur. Ini menghasilkan `SparseTensor` 2D dengan persilangan batch dari fitur-fitur ini.

Misalnya, jika inputnya adalah

inputs[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"

input [2]: Tensor [["f"], ["g"]]

maka keluarannya 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 hasilnya adalah

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

statisSparseCrossHashed
buat ( Lingkup lingkup, Iterable< Operand <Long>> indeks, Iterable< Operand <?>> nilai, Iterable< Operand <Long>> bentuk, Iterable< Operand <?>> input padat, Operand <Long> numBuckets, Operand <Boolean > strongHash, Operand <Long> salt)
Metode pabrik untuk membuat kelas yang membungkus operasi SparseCrossHashed baru.
Keluaran <Panjang>
Keluaran <Panjang>
Keluaran <Panjang>
nilai keluaran ()
1-D.

Metode yang Diwarisi

Metode Publik

public static SparseCrossHashed create ( Scope scope, Iterable< Operand <Long>> indeks, Iterable< Operand <?>> nilai, Iterable< Operand <Long>> bentuk, Iterable< Operand <?>> input padat, Operand <Long> numBuckets, Operand <Boolean> strongHash, Operand <Long> salt)

Metode pabrik untuk membuat kelas yang membungkus operasi SparseCrossHashed baru.

Parameter
cakupan lingkup saat ini
indeks 2-D. Indeks setiap input `SparseTensor`.
nilai-nilai 1-D. nilai dari setiap `SparseTensor`.
bentuk 1-D. Bentuk setiap `SparseTensor`.
masukan padat 2-D. Kolom diwakili oleh `Tensor` padat.
jumlahEmber Ini digunakan jika hashed_output benar. output = hashed_value%num_buckets jika num_buckets > 0 hashed_value lainnya.
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

Output publik <Long> outputIndices ()

2-D. Indeks `SparseTensor` yang digabungkan.

Output publik <Long> outputShape ()

1-D. Bentuk `SparseTensor` yang digabungkan.

Output publik <Long> outputValues ()

1-D. Nilai yang tidak kosong dari `SparseTensor` yang digabungkan atau di-hash.