Menghasilkan persilangan jarang dari daftar tensor jarang dan padat.
Operasi ini mengambil dua daftar, satu dari `SparseTensor` 2D dan satu lagi `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
statis SparseCrossV2 | |
Output <Panjang> | outputIndices () 2-D. |
Output <Panjang> | outputShape () 1-D. |
Output <String> | outputValues () 1-D. |
Metode yang Diwarisi
Metode Publik
public static SparseCrossV2 membuat ( Scope lingkup, Iterable < Operan <Panjang >> indeks, Iterable < Operan <? >> nilai-nilai, Iterable < Operan <Panjang >> bentuk, Iterable < Operan <? >> denseInputs, Operan <String> September)
Metode pabrik untuk membuat kelas yang membungkus operasi SparseCrossV2 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. |
sep | string yang digunakan saat bergabung dengan daftar input string, dapat digunakan sebagai pemisah nanti. |
Kembali
- contoh baru dari SparseCrossV2
publik Keluaran <String> outputValues ()
1-D. Nilai yang tidak kosong dari `SparseTensor` yang digabungkan atau di-hash.