przepływ tensorowy:: ops:: Przykład analizy

#include <parsing_ops.h>

Przekształca wektor mózgu. Przykładowe protos (jako ciągi znaków) na wpisane tensory.

Streszczenie

Argumenty:

  • zakres: Obiekt Scope
  • serializowany: wektor zawierający partię binarnie serializowanych przykładowych protosów.
  • nazwy: wektor zawierający nazwy serializowanych protosów. Może zawierać na przykład nazwy kluczy tabeli (opisowe) dla odpowiednich serializowanych protosów. Są one wyłącznie przydatne do celów debugowania, a obecność tutaj wartości nie ma wpływu na dane wyjściowe. Może być również pustym wektorem, jeśli nie są dostępne żadne nazwy. Jeśli nie jest pusty, wektor ten musi mieć taką samą długość jak „serializowany”.
  • sparse_keys: Lista Nparse tensorów ciągów (skalarów). Klucze oczekiwane w funkcjach przykładów powiązane z rzadkimi wartościami.
  • dense_keys: Lista Ndensycznych tensorów strun (skalarów). Klucze oczekiwane w funkcjach przykładów są powiązane z gęstymi wartościami.
  • gęsty_defaults: Lista tensorów Ndense (niektóre mogą być puste). gęsty_defaults[j] podaje wartości domyślne, gdy przykładowa mapa_funkcji nie zawiera klucza_gęstego[j]. Jeśli dla gęstych_defaults[j] zapewniony jest pusty Tensor , wówczas wymagana jest funkcja gęste_klucze[j]. Typ danych wejściowych jest wywnioskowany z gęstego_defaults[j], nawet jeśli jest pusty. Jeśli gęste_defaults[j] nie jest puste, a gęste_kształty[j] są w pełni zdefiniowane, wówczas kształt gęste_defaults[j] musi odpowiadać kształtowi gęste_kształty[j]. Jeśli gęsty_kształt[j] ma niezdefiniowany wymiar główny (cecha gęstych kroków o zmiennych krokach), gęsty_defaults[j] musi zawierać pojedynczy element: element dopełniający.
  • sparse_types: Lista typów Nsparse; typy danych w każdej funkcji podane w sparse_keys. Obecnie ParseExample obsługuje DT_FLOAT (FloatList), DT_INT64 (Int64List) i DT_STRING (BytesList).
  • dense_shapes: Lista kształtów Ndense; kształty danych w każdej funkcji podane w gęstych_kluczach. Liczba elementów cechy odpowiadająca gęstemu kluczowi[j] musi zawsze być równa gęstej_kształcie[j].NumEntries(). Jeśli gęste_kształty[j] == (D0, D1, ..., DN), wówczas kształt wyjściowego Tensora gęste_wartości[j] będzie (|serializowany|, D0, D1, ..., DN): Gęste wyjścia są tylko dane wejściowe ułożone w wiersze partiami. Działa to dla gęstych_kształtów[j] = (-1, D1, ..., DN). W tym przypadku wyjściowy Tensor wartości_gęstości[j] będzie miał postać (|serializowany|, M, D1, .., DN), gdzie M jest maksymalną liczbą bloków elementów o długości D1 * .... * DN , we wszystkich wpisach minibatch na wejściu. Każdy wpis minipartii zawierający mniej niż M bloków elementów o długości D1 * ... * DN zostanie uzupełniony odpowiednim elementem skalarnym wartość_domyślna wzdłuż drugiego wymiaru.

Zwroty:

  • OutputList sparse_indices
  • OutputList wartości_rzadkich
  • OutputList sparse_shapes
  • OutputList wartości_gęstych

Konstruktory i destruktory

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)

Atrybuty publiczne

dense_values
operation
sparse_indices
sparse_shapes
sparse_values

Atrybuty publiczne

wartości_gęste

::tensorflow::OutputList dense_values

operacja

Operation operation

rzadkie_indeksy

::tensorflow::OutputList sparse_indices

rzadkie_kształty

::tensorflow::OutputList sparse_shapes

wartości_rzadkie

::tensorflow::OutputList sparse_values

Funkcje publiczne

Przykład analizy

 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
)