'변형' Tensor를 'RaggedTensor'로 디코딩합니다.
주어진 '변형' Tensor를 디코딩하고 'RaggedTensor'를 반환합니다. 입력은 스칼라일 수 있습니다. 즉, ragged_rank `output_ragged_rank`를 사용하여 단일 `RaggedTensor`를 인코딩한다는 의미입니다. 임의의 순위를 가질 수도 있습니다. 이 경우 각 요소는 ragged_rank `input_ragged_rank`를 사용하여 `RaggedTensor`로 디코딩된 다음 입력 형태에 따라 스택되어 ragged_rank `output_ragged_rank`를 사용하여 단일 `RaggedTensor`를 출력합니다. 입력 텐서의 각 '변형' 요소는 디코딩된 'RaggedTensor'의 분할 및 값에 해당하는 'input_ragged_rank + 1' 텐서를 포함하는 1차원 '변형' 텐서를 요소에서 검색하여 디코딩됩니다. `input_ragged_rank`가 -1이면 `output_ragged_rank` - `rank(encoded_ragged)`로 추론됩니다. 해당 인코딩 논리는 'RaggedTensorToVariant'를 참조하세요.
상수
끈 | OP_NAME | TensorFlow 코어 엔진에서 알려진 이 작업의 이름 |
공개 방법
static <T는 TType을 확장합니다. > RaggedTensorFromVariant < TInt64 , T> | |
static <U는 TNumber를 확장하고 T는 TType을 확장합니다. > RaggedTensorFromVariant <U, T> | |
출력 <T> | 출력밀도값 () 출력 'RaggedTensor'의 값을 나타내는 Tensor입니다. |
목록< 출력 <U>> | 출력NestedSplits () 출력 'RaggedTensor'의 분할을 나타내는 하나 이상의 Tensor 목록입니다. |
상속된 메서드
상수
공개 정적 최종 문자열 OP_NAME
TensorFlow 코어 엔진에서 알려진 이 작업의 이름
공개 방법
공개 정적 RaggedTensorFromVariant < TInt64 , T> 생성 ( 범위 범위, 피연산자 <?> encodeRagged, Long inputRaggedRank, Long outputRaggedRank, Class<T> Tvalues)
기본 출력 유형을 사용하여 새로운 RaggedTensorFromVariant 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
범위 | 현재 범위 |
---|---|
인코딩된비정형 | 인코딩된 `RaggedTensor`를 포함하는 `변형` Tensor. |
입력비정형순위 | 입력에서 인코딩된 각 `RaggedTensor` 구성요소의 비정형 순위입니다. -1로 설정되면 `output_ragged_rank` - `rank(encoded_ragged)`로 추론됩니다. |
출력비정형순위 | 출력 'RaggedTensor'의 예상되는 비정형 순위입니다. 'output_ragged_rank = 순위(encoded_ragged) + input_ragged_rank'가 유지되어야 합니다. |
보고
- RaggedTensorFromVariant의 새로운 인스턴스
공개 정적 RaggedTensorFromVariant <U, T> 생성 ( 범위 범위, 피연산자 <?> encodeRagged, Long inputRaggedRank, Long outputRaggedRank, Class<T> Tvalues, Class<U> Tsplits)
새로운 RaggedTensorFromVariant 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
범위 | 현재 범위 |
---|---|
인코딩된비정형 | 인코딩된 `RaggedTensor`를 포함하는 `변형` Tensor. |
입력비정형순위 | 입력에서 인코딩된 각 `RaggedTensor` 구성요소의 비정형 순위입니다. -1로 설정되면 `output_ragged_rank` - `rank(encoded_ragged)`로 추론됩니다. |
출력비정형순위 | 출력 'RaggedTensor'의 예상되는 비정형 순위입니다. 'output_ragged_rank = 순위(encoded_ragged) + input_ragged_rank'가 유지되어야 합니다. |
보고
- RaggedTensorFromVariant의 새로운 인스턴스