tensorflow::ops::ParseExample

#include <parsing_ops.h>

Trasforma un vettore di brain.Esempio protos (come stringhe) in tensori tipizzati.

Riepilogo

Argomentazioni:

  • ambito: un oggetto Scope
  • serializzato: un vettore contenente un batch di protos di esempio serializzati binari.
  • names: Un vettore contenente i nomi dei proto serializzati. Può contenere, ad esempio, i nomi delle chiavi di tabella (descrittivi) per i corrispondenti proto serializzati. Questi sono utili esclusivamente a scopo di debug e la presenza di valori qui non ha alcun effetto sull'output. Può anche essere un vettore vuoto se non sono disponibili nomi. Se non vuoto, questo vettore deve avere la stessa lunghezza di "serialized".
  • sparse_keys: Un elenco di tensori di stringa Nsparse (scalari). Le chiavi previste nelle caratteristiche degli esempi associate ai valori sparsi.
  • dense_keys: Un elenco di tensori di stringa Ndense (scalari). Le chiavi previste nelle caratteristiche degli esempi associate a valori densi.
  • dense_defaults: Un elenco di tensori Ndense (alcuni potrebbero essere vuoti). dense_defaults[j] fornisce valori predefiniti quando la feature_map dell'esempio non contiene dense_key[j]. Se viene fornito un tensore vuoto per dense_defaults[j], è necessario specificare la feature dense_keys[j]. Il tipo di input viene dedotto da dense_defaults[j], anche quando è vuoto. Se dense_defaults[j] non è vuoto e dense_shapes[j] è completamente definito, la forma di dense_defaults[j] deve corrispondere a quella di dense_shapes[j]. Se dense_shapes[j] ha una dimensione principale non definita (feature densa a passi variabili), dense_defaults[j] deve contenere un singolo elemento: l'elemento di padding.
  • sparse_types: Un elenco di tipi Nsparse; i tipi di dati in ogni Feature specificati in sparse_keys. Attualmente ParseExample supporta DT_FLOAT (FloatList), DT_INT64 (Int64List) e DT_STRING (BytesList).
  • dense_shapes: Un elenco di forme Ndense; le forme dei dati in ogni Feature specificata in dense_keys. Il numero di elementi nella Feature corrispondente a dense_key[j] deve essere sempre uguale a dense_shapes[j].NumEntries(). Se dense_shapes[j] == (D0, D1, ..., DN), la forma del tensore di output dense_values[j] sarà (|serialized|, D0, D1, ..., DN): gli output densi sono semplicemente gli input impilati riga per riga per batch. Questo funziona per dense_shapes[j] = (-1, D1, ..., DN). In questo caso la forma del tensore di output dense_values[j] sarà (|serialized|, M, D1, ..., DN), dove M è il numero massimo di blocchi di elementi di lunghezza D1 * .... * DN, su tutte le voci minibatch nell'input. Qualsiasi voce minibatch con meno di M blocchi di elementi di lunghezza D1 * ... * DN verrà riempita con il corrispondente elemento scalare default_value lungo la seconda dimensione.

Resi:

  • OutputList indici sparsi
  • OutputList sparse_values
  • OutputList sparse_shapes
  • OutputList dense_values

Costruttori e distruttori

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)

attributi pubblici

dense_values
operation
sparse_indices
sparse_shapes
sparse_values

attributi pubblici

valori densi 

::tensorflow::OutputList dense_values

operazione 

Operation operation

indici sparsi 

::tensorflow::OutputList sparse_indices

forme sparse 

::tensorflow::OutputList sparse_shapes

valori sparsi 

::tensorflow::OutputList sparse_values

Funzioni pubbliche

Esempio di analisi 

 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
)