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
SparseCrossV2 statis | |
Keluaran <Panjang> | Indeks keluaran () 2-D. |
Keluaran <Panjang> | bentuk keluaran () 1-D. |
Keluaran <String> | Nilai keluaran () 1-D. |
Metode Warisan
Metode Publik
public static SparseCrossV2 buat ( Lingkup lingkup, indeks Iterable< Operand <Long>>, nilai Iterable< Operand <?>>, bentuk Iterable< Operand <Long>>, Iterable< Operand <?>> input padat, Operand <String> sep)
Metode pabrik untuk membuat kelas yang membungkus operasi SparseCrossV2 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. |
September | string yang digunakan saat menggabungkan daftar input string, nantinya dapat digunakan sebagai pemisah. |
Kembali
- contoh baru dari SparseCrossV2
Keluaran publik <String> Nilai keluaran ()
1-D. Nilai tidak kosong dari `SparseTensor` yang digabungkan atau di-hash.