SparseToDense

کلاس نهایی عمومی SparseToDense

یک نمایش پراکنده را به یک تانسور متراکم تبدیل می کند.

آرایه ای «متراکم» با شکل «شکل_خروجی» می سازد به گونه ای که

# If sparse_indices is scalar
 dense[i] = (i == sparse_indices ? sparse_values : default_value)
 
 # If sparse_indices is a vector, then for each i
 dense[sparse_indices[i]] = sparse_values[i]
 
 # If sparse_indices is an n by d matrix, then for each i in [0, n)
 dense[sparse_indices[i][0], ..., sparse_indices[i][d-1]] = sparse_values[i]
 

همه مقادیر دیگر در «متراکم» روی «مقدار_پیش‌فرض» تنظیم شده‌اند. اگر «sparse_values» یک اسکالر باشد، همه شاخص‌های پراکنده روی این مقدار واحد تنظیم می‌شوند.

شاخص ها باید به ترتیب واژگانی مرتب شوند و شاخص ها نباید دارای تکرار باشند. اگر "validate_indices" درست باشد، این ویژگی ها در حین اجرا بررسی می شوند.

کلاس های تو در تو

کلاس

SparseToDense.Options

ویژگی های اختیاری برای SparseToDense

ثابت ها

رشته

OP_NAME

نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

روش های عمومی

خروجی <U>	asOutput () دسته نمادین تانسور را برمی‌گرداند.
static <U گسترش TType ، T گسترش TNumber > SparseToDense <U>	ایجاد ( محدوده دامنه ، عملوند <T> sparseIndices، عملوند <T> outputShape، عملوند <U> sparseValues، عملوند <U> مقدار پیش فرض، گزینه‌ها... گزینه‌ها) روش کارخانه برای ایجاد کلاسی که یک عملیات SparseToDense جدید را بسته بندی می کند.
خروجی <U>	متراکم () تانسور خروجی متراکم شکل «شکل_خروجی».
استاتیک SparseToDense.Options	validateIndices (Boolean validateIndices)

روش های ارثی

از کلاس org.tensorflow.op.RawOp

بولی نهایی	برابر است (object obj)
بین المللی نهایی	کد هش ()
عملیات	عملیات () این واحد محاسبه را به عنوان یک Operation واحد برگردانید.
رشته نهایی	toString ()

از کلاس java.lang.Object

بولی	برابر است (شیء arg0)
کلاس نهایی<?>	getClass ()
بین المللی	کد هش ()
باطل نهایی	اطلاع رسانی ()
باطل نهایی	اطلاع رسانی به همه ()
رشته	toString ()
باطل نهایی	صبر کنید (long arg0، int arg1)
باطل نهایی	صبر کنید (طولانی arg0)
باطل نهایی	صبر کن ()

از رابط org.tensorflow.op.Op

چکیده Execution Environment	env () محیط اجرایی را که این عملیات در آن ایجاد شده است برگردانید.
عملیات انتزاعی	عملیات () این واحد محاسبه را به عنوان یک Operation واحد برگردانید.

از رابط org.tensorflow.Operand

خروجی چکیده <U گسترش TType >	asOutput () دسته نمادین تانسور را برمی‌گرداند.
abstract U TType را گسترش می دهد	asTensor () تانسور این عملوند را برمی گرداند.
شکل انتزاعی	شکل () شکل (احتمالاً تا حدی شناخته شده) تانسور را که توسط Output این عملوند به آن اشاره شده است، برمی گرداند.
abstract کلاس<U TType > را گسترش می دهد	نوع () نوع تانسور این عملوند را برمی گرداند

از رابط org.tensorflow.ndarray.Shaped

انتزاعی	رتبه ()
شکل انتزاعی	شکل ()
انتزاعی طولانی	اندازه () اندازه کل این ظرف را به تعداد مقادیر محاسبه کرده و برمی گرداند.

ثابت ها

رشته نهایی ثابت عمومی OP_NAME

نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

مقدار ثابت: "SparseToDense"

روش های عمومی

خروجی عمومی <U> asOutput ()

دسته نمادین تانسور را برمی‌گرداند.

ورودی های عملیات TensorFlow خروجی های عملیات تنسورفلو دیگر هستند. این روش برای به دست آوردن یک دسته نمادین که نشان دهنده محاسبه ورودی است استفاده می شود.

ایستا عمومی SparseToDense <U> ایجاد ( دامنه دامنه ، عملوند <T> sparseIndices، عملوند <T> outputShape، عملوند <U> sparseValues، عملوند <U> مقدار پیش فرض، گزینه‌ها... گزینه‌ها)

روش کارخانه برای ایجاد کلاسی که یک عملیات SparseToDense جدید را بسته بندی می کند.

پارامترها

دامنه	محدوده فعلی
اندیس های پراکنده	0-D، 1-D، یا 2-D. «شاخص‌های_پراک[i]» حاوی فهرست کاملی است که «مقدارهای_پراک[i]» در آن قرار می‌گیرد.
خروجی شکل	1-D. شکل تانسور خروجی متراکم.
مقادیر کم	1-D. مقادیر مربوط به هر ردیف از «شاخص‌های_پراکنده»، یا یک مقدار اسکالر که برای همه شاخص‌های پراکنده استفاده می‌شود.
مقدار پیش فرض	مقدار اسکالر برای تنظیم برای شاخص‌هایی که در «شاخص‌های_پراکنده» مشخص نشده‌اند.
گزینه ها	مقادیر ویژگی های اختیاری را حمل می کند

برمی گرداند

• یک نمونه جدید از SparseToDense

خروجی عمومی <U> متراکم ()

تانسور خروجی متراکم شکل «شکل_خروجی».

عمومی استاتیک SparseToDense.Options validateIndices (Boolean validateIndices)

پارامترها

اعتبارسنجی شاخص ها	اگر درست باشد، شاخص‌ها بررسی می‌شوند تا مطمئن شویم به ترتیب واژگانی مرتب شده‌اند و تکراری وجود ندارد.