Remodela um SparseTensor para representar valores em uma nova forma densa.
Esta operação tem a mesma semântica que remodelar no tensor denso representado. Os `input_indices` são recalculados com base no `new_shape` solicitado.
Se um componente de `new_shape` tiver o valor especial -1, o tamanho dessa dimensão é calculado de forma que o tamanho denso total permaneça constante. No máximo um componente de `new_shape` pode ser -1. O número de elementos densos implícitos em `new_shape` deve ser igual ao número de elementos densos originalmente implícitos em `input_shape`.
A remodelagem não afeta a ordem dos valores no SparseTensor.
Se o tensor de entrada tem valores não vazios de classificação `R_in` e `N`, e `new_shape` tem comprimento `R_out`, então `input_indices` tem forma `[N, R_in]`, `input_shape` tem comprimento `R_in` , `output_indices` tem formato `[N, R_out]` e `output_shape` tem comprimento `R_out`.
Constantes
Corda | OP_NAME | O nome desta operação, conforme conhecido pelo mecanismo principal do TensorFlow |
Métodos Públicos
SparseReshape estático | |
Saída < TInt64 > | índices de saída () 2-D. |
Saída < TInt64 > | forma de saída () 1-D. |
Métodos herdados
Constantes
String final estática pública OP_NAME
O nome desta operação, conforme conhecido pelo mecanismo principal do TensorFlow
Métodos Públicos
public static SparseReshape create ( Escopo do escopo , Operando < TInt64 > inputIndices, Operando < TInt64 > inputShape, Operando < TInt64 > newShape)
Método de fábrica para criar uma classe que envolve uma nova operação SparseReshape.
Parâmetros
escopo | escopo atual |
---|---|
índices de entrada | 2-D. Matriz `N x R_in` com os índices de valores não vazios em um SparseTensor. |
forma de entrada | 1-D. Vetor `R_in` com a forma densa do SparseTensor de entrada. |
nova forma | 1-D. Vetor `R_out` com a nova forma densa solicitada. |
Devoluções
- uma nova instância de SparseReshape
Saída pública < TInt64 > outputIndices ()
2-D. Matriz `N x R_out` com os índices atualizados de valores não vazios na saída SparseTensor.