עשה בסידרה 'N'-minibatch 'SparseTensor' לאובייקט '[N, 3]' 'Tensor'.
ל-`SparseTensor` חייב להיות דירוג `R` גדול מ-1, והממד הראשון מטופל כממד המיני-אצט. יש למיין אלמנטים של 'SparseTensor' בסדר הולך וגדל של הממד הראשון הזה. אובייקטי `SparseTensor` המסודרים הנכנסים לכל שורה של `serialized_sparse` יהיו בעלי דרגה `R-1`.
גודל המיניאצ' 'N' מופק מ-'sparse_shape[0]'.
קבועים
חוּט | OP_NAME | השם של המבצע הזה, כפי שידוע על ידי מנוע הליבה של TensorFlow |
שיטות ציבוריות
פלט <U> | asOutput () מחזירה את הידית הסמלית של הטנזור. |
static <U מרחיב את TType > SerializeManySparse <U> | |
static SerializeManySparse < TSString > | |
פלט <U> |
שיטות בירושה
קבועים
מחרוזת סופית סטטית ציבורית OP_NAME
השם של המבצע הזה, כפי שידוע על ידי מנוע הליבה של TensorFlow
שיטות ציבוריות
פלט ציבורי <U> asOutput ()
מחזירה את הידית הסמלית של הטנזור.
כניסות לפעולות TensorFlow הן יציאות של פעולת TensorFlow אחרת. שיטה זו משמשת להשגת ידית סמלית המייצגת את חישוב הקלט.
public static SerializeManySparse <U> create ( Scope scope, Operand < TInt64 > sparseIndices, Operand <? מרחיב TType > sparseValues, Operand < TInt64 > sparseShape, Class<U> outType)
שיטת מפעל ליצירת מחלקה העוטפת פעולת SerializeManySparse חדשה.
פרמטרים
תְחוּם | ההיקף הנוכחי |
---|---|
מדדים דלילים | 2-D. ה'מדדים' של המיני-אצץ 'SparseTensor'. |
ערכים דלילים | 1-D. ה'ערכים' של המיניאצ' 'SparseTensor'. |
sparseShape | 1-D. ה'צורה' של המיניאצ' 'SparseTensor'. |
outType | ה-'dtype' לשימוש עבור סדרה; הסוגים הנתמכים הם `מחרוזת` (ברירת מחדל) ו-`variant`. |
החזרות
- מופע חדש של SerializeManySparse
public static SerializeManySparse < TString > create ( Scope scope, Operand < TInt64 > sparseIndices, Operand <? מרחיב את TType > sparseValues, Operand < TInt64 > sparseShape)
שיטת מפעל ליצירת מחלקה העוטפת פעולת SerializeManySparse חדשה באמצעות סוגי פלט ברירת מחדל.
פרמטרים
תְחוּם | ההיקף הנוכחי |
---|---|
מדדים דלילים | 2-D. ה'מדדים' של המיני-אצץ 'SparseTensor'. |
ערכים דלילים | 1-D. ה'ערכים' של המיניאצ' 'SparseTensor'. |
sparseShape | 1-D. ה'צורה' של המיניאצ' 'SparseTensor'. |
החזרות
- מופע חדש של SerializeManySparse