จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน
บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ
เทนเซอร์โฟลว์:: ปฏิบัติการ:: ดีซีเรียลไลซ์หลายรายการ
#include <sparse_ops.h> ดีซีเรียลไลซ์และต่อ SparseTensors จากมินิแบทช์แบบอนุกรม
สรุป
อินพุต serialized_sparse ต้องเป็นเมทริกซ์สตริงที่มีรูปร่าง [N x 3] โดยที่ N คือขนาดมินิแบทช์และแถวสอดคล้องกับเอาต์พุตที่แพ็กของ SerializeSparse อันดับของวัตถุ SparseTensor ดั้งเดิมจะต้องตรงกันทั้งหมด เมื่อ SparseTensor สุดท้ายถูกสร้างขึ้น จะมีอันดับที่สูงกว่าอันดับของออบเจ็กต์ SparseTensor ที่เข้ามาหนึ่งอันดับ (จะถูกต่อเข้าด้วยกันตามมิติแถวใหม่)
ค่ารูปร่างของวัตถุ SparseTensor เอาต์พุตสำหรับทุกมิติ แต่ค่าแรกคือค่าสูงสุดข้ามค่ารูปร่างของวัตถุ SparseTensor อินพุตสำหรับขนาดที่สอดคล้องกัน ค่ารูปร่างแรกของมันคือ N ซึ่งเป็นขนาดมินิแบทช์
ดัชนีของวัตถุ SparseTensor อินพุตจะถือว่าเรียงลำดับตามลำดับพจนานุกรมมาตรฐาน หากไม่เป็นเช่นนั้น หลังจากขั้นตอนนี้ให้รัน SparseReorder เพื่อเรียกคืนการเรียงลำดับดัชนี
ตัวอย่างเช่น หากอินพุตแบบซีเรียลไลซ์เป็นเมทริกซ์ [2 x 3] ที่แสดงถึงออบเจ็กต์ SparseTensor ดั้งเดิมสองรายการ:
index = [ 0]
[10]
[20]
values = [1, 2, 3]
shape = [50] และ
index = [ 2]
[10]
values = [4, 5]
shape = [30] จากนั้น SparseTensor ดีซีเรียลไลซ์ขั้นสุดท้ายจะเป็น:
index = [0 0]
[0 10]
[0 20]
[1 2]
[1 10]
values = [1, 2, 3, 4, 5]
shape = [2 50] ข้อโต้แย้ง:
- ขอบเขต: วัตถุ ขอบเขต
- serialized_sparse: 2-D, วัตถุ
SparseTensor ที่ทำให้เป็นอนุกรม N ต้องมี 3 คอลัมน์ - dtype:
dtype ของวัตถุ SparseTensor ที่ทำให้เป็นอนุกรม
ผลตอบแทน:
คุณลักษณะสาธารณะ
งานสาธารณะ
เนื้อหาของหน้าเว็บนี้ได้รับอนุญาตภายใต้ใบอนุญาตที่ต้องระบุที่มาของครีเอทีฟคอมมอนส์ 4.0 และตัวอย่างโค้ดได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดดูรายละเอียดที่นโยบายเว็บไซต์ Google Developers Java เป็นเครื่องหมายการค้าจดทะเบียนของ Oracle และ/หรือบริษัทในเครือ
อัปเดตล่าสุด 2025-07-25 UTC
[null,null,["อัปเดตล่าสุด 2025-07-25 UTC"],[],[],null,["# tensorflow::ops::DeserializeManySparse Class Reference\n\ntensorflow::ops::DeserializeManySparse\n======================================\n\n`#include \u003csparse_ops.h\u003e`\n\nDeserialize and concatenate `SparseTensors` from a serialized minibatch.\n\nSummary\n-------\n\nThe input `serialized_sparse` must be a string matrix of shape `[N x 3]` where `N` is the minibatch size and the rows correspond to packed outputs of [SerializeSparse](/versions/r2.0/api_docs/cc/class/tensorflow/ops/serialize-sparse#classtensorflow_1_1ops_1_1_serialize_sparse). The ranks of the original `SparseTensor` objects must all match. When the final `SparseTensor` is created, it has rank one higher than the ranks of the incoming `SparseTensor` objects (they have been concatenated along a new row dimension).\n\nThe output `SparseTensor` object's shape values for all dimensions but the first are the max across the input `SparseTensor` objects' shape values for the corresponding dimensions. Its first shape value is `N`, the minibatch size.\n\nThe input `SparseTensor` objects' indices are assumed ordered in standard lexicographic order. If this is not the case, after this step run [SparseReorder](/versions/r2.0/api_docs/cc/class/tensorflow/ops/sparse-reorder#classtensorflow_1_1ops_1_1_sparse_reorder) to restore index ordering.\n\nFor example, if the serialized input is a `[2 x 3]` matrix representing two original `SparseTensor` objects: \n\n```text\nindex = [ 0]\n [10]\n [20]\nvalues = [1, 2, 3]\nshape = [50]\n```\n\n\u003cbr /\u003e\n\nand \n\n```text\nindex = [ 2]\n [10]\nvalues = [4, 5]\nshape = [30]\n```\n\n\u003cbr /\u003e\n\nthen the final deserialized `SparseTensor` will be: \n\n```text\nindex = [0 0]\n [0 10]\n [0 20]\n [1 2]\n [1 10]\nvalues = [1, 2, 3, 4, 5]\nshape = [2 50]\n```\n\n\u003cbr /\u003e\n\nArguments:\n\n- scope: A [Scope](/versions/r2.0/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope) object\n- serialized_sparse: 2-D, The `N` serialized `SparseTensor` objects. Must have 3 columns.\n- dtype: The `dtype` of the serialized `SparseTensor` objects.\n\n\u003cbr /\u003e\n\nReturns:\n\n- [Output](/versions/r2.0/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) sparse_indices\n- [Output](/versions/r2.0/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) sparse_values\n- [Output](/versions/r2.0/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) sparse_shape\n\n\u003cbr /\u003e\n\n| ### Constructors and Destructors ||\n|---|---|\n| [DeserializeManySparse](#classtensorflow_1_1ops_1_1_deserialize_many_sparse_1ab7cf9797d35b97c6d82e4000573b7839)`(const ::`[tensorflow::Scope](/versions/r2.0/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope)` & scope, ::`[tensorflow::Input](/versions/r2.0/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` serialized_sparse, DataType dtype)` ||\n\n| ### Public attributes ||\n|----------------------------------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------------|\n| [operation](#classtensorflow_1_1ops_1_1_deserialize_many_sparse_1ac7cd19536afb9e162240583e49e59e8d) | [Operation](/versions/r2.0/api_docs/cc/class/tensorflow/operation#classtensorflow_1_1_operation) |\n| [sparse_indices](#classtensorflow_1_1ops_1_1_deserialize_many_sparse_1a047caae64f0cea6d6dc1659d15bfe4b9) | `::`[tensorflow::Output](/versions/r2.0/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n| [sparse_shape](#classtensorflow_1_1ops_1_1_deserialize_many_sparse_1a248aaedf66a2ba1733b1f2e541c4d3e2) | `::`[tensorflow::Output](/versions/r2.0/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n| [sparse_values](#classtensorflow_1_1ops_1_1_deserialize_many_sparse_1a1047d48275c3140bedd5e8737af534f2) | `::`[tensorflow::Output](/versions/r2.0/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n\nPublic attributes\n-----------------\n\n### operation\n\n```text\nOperation operation\n``` \n\n### sparse_indices\n\n```scdoc\n::tensorflow::Output sparse_indices\n``` \n\n### sparse_shape\n\n```scdoc\n::tensorflow::Output sparse_shape\n``` \n\n### sparse_values\n\n```scdoc\n::tensorflow::Output sparse_values\n``` \n\nPublic functions\n----------------\n\n### DeserializeManySparse\n\n```gdscript\n DeserializeManySparse(\n const ::tensorflow::Scope & scope,\n ::tensorflow::Input serialized_sparse,\n DataType dtype\n)\n```"]]
