tensorflow::ops::ParseExample

#include <parsing_ops.h>

Mengubah vektor brain.Example protos (sebagai string) menjadi tensor bertipe.

Ringkasan

Argumen:

  • Cakupan: Objek Cakupan
  • serialized: Sebuah vektor yang berisi sekumpulan prototipe biner yang telah diserialisasi.
  • names: Sebuah vektor yang berisi nama-nama proto yang telah diserialisasi. Dapat berisi, misalnya, nama kunci tabel (deskriptif) untuk proto yang telah diserialisasi yang sesuai. Ini murni berguna untuk tujuan debugging, dan keberadaan nilai di sini tidak berpengaruh pada output. Dapat juga berupa vektor kosong jika tidak ada nama yang tersedia. Jika tidak kosong, vektor ini harus memiliki panjang yang sama dengan "serialized".
  • sparse_keys: Daftar Nsparse string Tensor (skalar). Kunci yang diharapkan dalam fitur Contoh yang terkait dengan nilai sparse.
  • dense_keys: Daftar N tensor string padat (skalar). Kunci yang diharapkan dalam fitur Contoh yang terkait dengan nilai padat.
  • dense_defaults: Daftar N Tensor dense (beberapa mungkin kosong). dense_defaults[j] menyediakan nilai default ketika feature_map contoh tidak memiliki dense_key[j]. Jika Tensor kosong diberikan untuk dense_defaults[j], maka Feature dense_keys[j] diperlukan. Tipe input disimpulkan dari dense_defaults[j], bahkan ketika kosong. Jika dense_defaults[j] tidak kosong, dan dense_shapes[j] didefinisikan sepenuhnya, maka bentuk dense_defaults[j] harus sesuai dengan bentuk dense_shapes[j]. Jika dense_shapes[j] memiliki dimensi utama yang tidak terdefinisi (fitur dense dengan langkah variabel), dense_defaults[j] harus berisi satu elemen: elemen padding.
  • sparse_types: Daftar tipe Nsparse; tipe data dari data di setiap Fitur yang diberikan dalam sparse_keys. Saat ini ParseExample mendukung DT_FLOAT (FloatList), DT_INT64 (Int64List), dan DT_STRING (BytesList).
  • dense_shapes: Daftar N bentuk dense; bentuk data di setiap Fitur yang diberikan dalam dense_keys. Jumlah elemen dalam Fitur yang sesuai dengan dense_key[j] harus selalu sama dengan dense_shapes[j].NumEntries(). Jika dense_shapes[j] == (D0, D1, ..., DN) maka bentuk Tensor output dense_values[j] akan menjadi (|serialized|, D0, D1, ..., DN): Output dense hanyalah input yang ditumpuk baris per batch. Ini berlaku untuk dense_shapes[j] = (-1, D1, ..., DN). Dalam hal ini, bentuk Tensor output dense_values[j] akan menjadi (|serialized|, M, D1, .., DN), di mana M adalah jumlah maksimum blok elemen dengan panjang D1 * .... * DN, di seluruh entri minibatch dalam input. Setiap entri minibatch dengan kurang dari M blok elemen dengan panjang D1 * ... * DN akan diisi dengan elemen skalar default_value yang sesuai di sepanjang dimensi kedua.

Mengembalikan:

  • OutputList
  • OutputList
  • OutputList
  • OutputList nilai_padat

Konstruktor dan Destruktor

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)

Atribut publik

dense_values
operation
sparse_indices
sparse_shapes
sparse_values

Atribut publik

nilai_padat 

::tensorflow::OutputList dense_values

operasi 

Operation operation

indeks_jarang 

::tensorflow::OutputList sparse_indices

bentuk_jarang 

::tensorflow::OutputList sparse_shapes

nilai_jarang 

::tensorflow::OutputList sparse_values

Fungsi publik

ParseExample 

 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
)