tensorflow::ops::مثال پارس

#include <parsing_ops.h>

یک بردار از مغز را تبدیل می‌کند. مثالی از پروتوها (به عنوان رشته) به تانسورهای تایپ شده.

خلاصه

استدلال‌ها:

• دامنه: یک شیء دامنه
• سریالی شده: برداری حاوی دسته‌ای از نمونه‌های اولیه سریالی شده دودویی.
• names: برداری شامل نام‌های پروتوتایپ‌های سریالی‌شده. برای مثال، ممکن است شامل نام‌های کلید جدول (توصیفی) برای پروتوتایپ‌های سریالی‌شده‌ی مربوطه باشد. این موارد صرفاً برای اهداف اشکال‌زدایی مفید هستند و وجود مقادیر در اینجا هیچ تأثیری بر خروجی ندارد. همچنین اگر هیچ نامی در دسترس نباشد، می‌تواند یک بردار خالی باشد. اگر خالی نباشد، این بردار باید به اندازه‌ی "serialized" طول داشته باشد.
• کلیدهای پراکنده (sparse_keys): فهرستی از تانسورهای رشته‌ای Nsparse (اسکالرها). کلیدهای مورد انتظار در ویژگی‌های مثال‌های مرتبط با مقادیر پراکنده.
• dense_keys: فهرستی از تانسورهای رشته‌ای Ndense (اسکالرها). کلیدهای مورد انتظار در ویژگی‌های مثال‌های مرتبط با مقادیر dense.
• dense_defaults: فهرستی از تانسورهای Ndense (برخی ممکن است خالی باشند). dense_defaults[j] مقادیر پیش‌فرض را در زمانی که feature_map مثال فاقد dense_key[j] باشد، ارائه می‌دهد. اگر یک تانسور خالی برای dense_defaults[j] ارائه شود، آنگاه Feature dense_keys[j] مورد نیاز است. نوع ورودی از dense_defaults[j] استنباط می‌شود، حتی زمانی که خالی باشد. اگر dense_defaults[j] خالی نباشد و dense_shapes[j] کاملاً تعریف شده باشد، آنگاه شکل dense_defaults[j] باید با شکل dense_shapes[j] مطابقت داشته باشد. اگر dense_shapes[j] دارای یک بعد اصلی تعریف نشده باشد (متغیر strides dense feature)، dense_defaults[j] باید شامل یک عنصر واحد باشد: عنصر padding.
• sparse_types: فهرستی از انواع Nsparse؛ انواع داده در هر Feature که در sparse_keys داده شده است. در حال حاضر ParseExample از DT_FLOAT (FloatList)، DT_INT64 (Int64List) و DT_STRING (BytesList) پشتیبانی می‌کند.
• dense_shapes: فهرستی از شکل‌های Ndense؛ شکل‌های داده‌ها در هر Feature که در dense_keys داده شده است. تعداد عناصر در Feature مربوط به dense_key[j] باید همیشه برابر با dense_shapes[j].NumEntries() باشد. اگر dense_shapes[j] == (D0, D1, ..., DN) باشد، شکل Tensor dense_values[j] خروجی به صورت (|serialized|, D0, D1, ..., DN) خواهد بود: خروجی‌های dense فقط ورودی‌هایی هستند که به صورت دسته‌ای ردیف‌بندی شده‌اند. این برای dense_shapes[j] = (-1, D1, ..., DN) کار می‌کند. در این حالت شکل Tensor dense_values[j] خروجی به صورت (|serialized|, M, D1, .., DN) خواهد بود، که در آن M حداکثر تعداد بلوک‌های عناصر با طول D1 * .... * DN، در تمام ورودی‌های minibatch در ورودی است. هر ورودی مینی‌بچ با کمتر از M بلوک از عناصر با طول D1 * ... * DN، با عنصر اسکالر default_value مربوطه در امتداد بعد دوم پر خواهد شد.

بازده:

• OutputList sparse_indices
• مقادیر پراکنده OutputList
• شکل‌های پراکنده OutputList
• مقادیر متراکم OutputList

سازنده‌ها و مخرب‌ها
ParseExample (const :: tensorflow::Scope & scope, :: tensorflow::Input serialized, :: tensorflow::Input names, :: tensorflow::InputList sparse_keys, :: tensorflow::InputList dense_keys, :: tensorflow::InputList dense_defaults, const DataTypeSlice & sparse_types, const gtl::ArraySlice< PartialTensorShape > & dense_shapes)

ویژگی‌های عمومی
dense_values	:: tensorflow::OutputList
operation	Operation
sparse_indices	:: tensorflow::OutputList
sparse_shapes	:: tensorflow::OutputList
sparse_values	:: tensorflow::OutputList

ویژگی‌های عمومی

مقادیر متراکم

::tensorflow::OutputList dense_values

عملیات

Operation operation

شاخص‌های پراکنده

::tensorflow::OutputList sparse_indices

شکل‌های پراکنده

::tensorflow::OutputList sparse_shapes

مقادیر پراکنده

::tensorflow::OutputList sparse_values

کارکردهای عمومی

مثال تجزیه

 ParseExample(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input serialized,
  ::tensorflow::Input names,
  ::tensorflow::InputList sparse_keys,
  ::tensorflow::InputList dense_keys,
  ::tensorflow::InputList dense_defaults,
  const DataTypeSlice & sparse_types,
  const gtl::ArraySlice< PartialTensorShape > & dense_shapes
)