tensorflow:: ops:: ParseExample

#include <parsing_ops.h>

Transforma un vector de protos cerebrales.Por ejemplo (como cadenas) en tensores tipados.

Resumen

Argumentos:

  • ámbito: Un objeto de ámbito
  • serializado: Un vector que contiene un lote de protos de ejemplo serializados binarios.
  • nombres: Un vector que contiene los nombres de los protos serializados. Puede contener, por ejemplo, nombres descriptivos (claves de tabla) para los protos serializados correspondientes. Estos son útiles únicamente para la depuración, y la presencia de valores aquí no afecta la salida. También puede ser un vector vacío si no hay nombres disponibles. Si no está vacío, este vector debe tener la misma longitud que "serializados".
  • sparse_keys: Una lista de tensores de cadena Nsparse (escalares). Las claves esperadas en las características de los ejemplos asociadas con valores dispersos.
  • dense_keys: Una lista de tensores de cadena Ndense (escalares). Las claves esperadas en las características de los ejemplos asociadas con valores densos.
  • dense_defaults: Una lista de tensores Ndense (algunos pueden estar vacíos). dense_defaults[j] proporciona valores predeterminados cuando el feature_map del ejemplo carece de dense_key[j]. Si se proporciona un tensor vacío para dense_defaults[j], entonces se requiere la Feature dense_keys[j]. El tipo de entrada se infiere de dense_defaults[j], incluso cuando está vacío. Si dense_defaults[j] no está vacío y dense_shapes[j] está completamente definido, entonces la forma de dense_defaults[j] debe coincidir con la de dense_shapes[j]. Si dense_shapes[j] tiene una dimensión principal no definida (característica densa de pasos variables), dense_defaults[j] debe contener un solo elemento: el elemento de relleno.
  • sparse_types: Una lista de tipos Nsparse; los tipos de datos de cada Feature dados en sparse_keys. Actualmente, ParseExample admite DT_FLOAT (FloatList), DT_INT64 (Int64List) y DT_STRING (BytesList).
  • dense_shapes: Una lista de Ndense shapes; las formas de los datos en cada Feature dadas en dense_keys. El número de elementos en la Feature correspondiente a dense_key[j] siempre debe ser igual a dense_shapes[j].NumEntries(). Si dense_shapes[j] == (D0, D1, ..., DN) entonces la forma del Tensor de salida dense_values[j] será (|serialized|, D0, D1, ..., DN): Las salidas densas son simplemente las entradas apiladas por filas por lote. Esto funciona para dense_shapes[j] = (-1, D1, ..., DN). En este caso, la forma del Tensor de salida dense_values[j] será (|serialized|, M, D1, .., DN), donde M es el número máximo de bloques de elementos de longitud D1 * .... * DN, en todas las entradas de minibatch en la entrada. Cualquier entrada de minibatch con menos de M bloques de elementos de longitud D1 * ... * DN se rellenará con el elemento escalar default_value correspondiente a lo largo de la segunda dimensión.

Devoluciones:

  • OutputList índices dispersos
  • OutputList valores dispersos
  • OutputList formas dispersas
  • OutputList valores densos

Constructores y destructores

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)

Atributos públicos

dense_values
operation
sparse_indices
sparse_shapes
sparse_values

Atributos públicos

valores_densos 

::tensorflow::OutputList dense_values

operación 

Operation operation

índices_dispersos 

::tensorflow::OutputList sparse_indices

formas dispersas 

::tensorflow::OutputList sparse_shapes

valores_dispersos 

::tensorflow::OutputList sparse_values

Funciones públicas

Ejemplo de análisis 

 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
)