جریان تنسور:: عملیات:: SparseCross
#include <sparse_ops.h>
صلیب پراکنده را از لیستی از تانسورهای پراکنده و متراکم ایجاد می کند.
خلاصه
این عملیات دو لیست دارد، یکی از 2D SparseTensor
و یکی از 2D Tensor
، که هر کدام ویژگی های یک ستون ویژگی را نشان می دهد. این یک SparseTensor
دو بعدی با تلاقی دسته ای این ویژگی ها را خروجی می دهد.
به عنوان مثال، اگر ورودی ها هستند
inputs[0]: SparseTensor with shape = [2, 2] [0, 0]: "a" [1, 0]: "b" [1, 1]: "c" inputs[1]: SparseTensor with shape = [2, 1] [0, 0]: "d" [1, 0]: "e" inputs[2]: Tensor [["f"], ["g"]]
سپس خروجی خواهد بود
shape = [2, 2] [0, 0]: "a_X_d_X_f" [1, 0]: "b_X_e_X_g" [1, 1]: "c_X_e_X_g"
اگر hashed_output=true باشد، خروجی خواهد بود
shape = [2, 2] [0, 0]: FingerprintCat64( Fingerprint64("f"), FingerprintCat64( Fingerprint64("d"), Fingerprint64("a"))) [1, 0]: FingerprintCat64( Fingerprint64("g"), FingerprintCat64( Fingerprint64("e"), Fingerprint64("b"))) [1, 1]: FingerprintCat64( Fingerprint64("g"), FingerprintCat64( Fingerprint64("e"), Fingerprint64("c")))
استدلال ها:
- scope: یک شی Scope
- شاخص ها: 2-D. شاخص های هر ورودی
SparseTensor
. - مقادیر: 1-D. مقادیر هر
SparseTensor
- اشکال: 1-D. اشکال هر
SparseTensor
. - dense_inputs: 2-D. ستون هایی که با
Tensor
متراکم نشان داده می شوند. - hashed_output: اگر درست باشد، هش ضربدر را به جای رشته برمی گرداند. این به ما امکان می دهد از دستکاری رشته ها اجتناب کنیم.
- num_buckets: اگر hashed_output درست باشد استفاده می شود. خروجی = hashed_valuenum_buckets اگر num_buckets > 0 other hashed_value.
- hash_key: hash_key را مشخص کنید که توسط تابع
FingerprintCat64
برای ترکیب اثر انگشت متقاطع استفاده می شود.
برمی گرداند:
-
Output
ها: 2-D. شاخص هایSparseTensor
به هم پیوسته. -
Output
: 1-D. مقادیر غیر خالیSparseTensor
به هم پیوسته یا هش شده. -
Output
: 1-D. شکلSparseTensor
به هم پیوسته.
سازندگان و ویرانگرها | |
---|---|
SparseCross (const :: tensorflow::Scope & scope, :: tensorflow::InputList indices, :: tensorflow::InputList values, :: tensorflow::InputList shapes, :: tensorflow::InputList dense_inputs, bool hashed_output, int64 num_buckets, int64 hash_key, DataType out_type, DataType internal_type) |
صفات عمومی | |
---|---|
operation | |
output_indices | |
output_shape | |
output_values |
صفات عمومی
عملیات
Operation operation
خروجی_شاخص ها
::tensorflow::Output output_indices
خروجی_شکل
::tensorflow::Output output_shape
مقادیر_خروجی
::tensorflow::Output output_values
توابع عمومی
SparseCross
SparseCross( const ::tensorflow::Scope & scope, ::tensorflow::InputList indices, ::tensorflow::InputList values, ::tensorflow::InputList shapes, ::tensorflow::InputList dense_inputs, bool hashed_output, int64 num_buckets, int64 hash_key, DataType out_type, DataType internal_type )
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2024-12-02 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2024-12-02 بهوقت ساعت هماهنگ جهانی."],[],[]]