tensorflow::ops::ParseSingleExample

#include <parsing_ops.h>

یک نمونه اولیه tf.Example (به عنوان یک رشته) را به تانسورهای تایپ شده تبدیل می‌کند.

خلاصه

استدلال‌ها:

  • دامنه: یک شیء دامنه
  • سریالی شده: برداری حاوی دسته‌ای از نمونه‌های اولیه سریالی شده دودویی.
  • dense_defaults: فهرستی از Tensorها (برخی ممکن است خالی باشند) که طول آنها با طول dense_keys مطابقت دارد. dense_defaults[j] مقادیر پیش‌فرض را در زمانی که feature_map مثال فاقد dense_key[j] باشد، ارائه می‌دهد. اگر یک Tensor خالی برای dense_defaults[j] ارائه شود، آنگاه Feature dense_keys[j] مورد نیاز است. نوع ورودی از dense_defaults[j] استنباط می‌شود، حتی زمانی که خالی باشد. اگر dense_defaults[j] خالی نباشد و dense_shapes[j] کاملاً تعریف شده باشد، آنگاه شکل dense_defaults[j] باید با شکل dense_shapes[j] مطابقت داشته باشد. اگر dense_shapes[j] دارای یک بعد اصلی تعریف نشده باشد (متغیر strides dense feature)، dense_defaults[j] باید شامل یک عنصر واحد باشد: عنصر padding.
  • num_sparse: تعداد ویژگی‌های پراکنده‌ای که قرار است از مثال تجزیه شوند. این تعداد باید با طول sparse_keys و sparse_types مطابقت داشته باشد.
  • کلیدهای پراکنده (sparse_keys): فهرستی از رشته‌های num_sparse . کلیدهای مورد انتظار در ویژگی‌های مثال‌های مرتبط با مقادیر پراکنده.
  • dense_keys: کلیدهای مورد انتظار در ویژگی‌های Exampleها که با مقادیر dense مرتبط هستند.
  • sparse_types: فهرستی از انواع num_sparse ؛ انواع داده‌ای داده‌ها در هر Feature که در sparse_keys داده شده است. در حال حاضر، ParseSingleExample از DT_FLOAT (FloatList)، DT_INT64 (Int64List) و DT_STRING (BytesList) پشتیبانی می‌کند.
  • dense_shapes: شکل داده‌ها در هر Feature داده شده در dense_keys. طول این لیست باید با طول dense_keys مطابقت داشته باشد. تعداد عناصر در Feature مربوط به dense_key[j] باید همیشه برابر با dense_shapes[j].NumEntries() باشد. اگر dense_shapes[j] == (D0, D1, ..., DN) باشد، شکل Tensor dense_values[j] خروجی (D0, D1, ..., DN) خواهد بود: در حالتی که dense_shapes[j] = (-1, D1, ..., DN) باشد، شکل Tensor dense_values[j] خروجی (M, D1, .., DN) خواهد بود، که در آن M تعداد بلوک‌های عناصر با طول D1 * .... * DN، در ورودی است.

بازده:

  • OutputList sparse_indices
  • مقادیر پراکنده OutputList
  • شکل‌های پراکنده OutputList
  • مقادیر متراکم OutputList

سازنده‌ها و مخرب‌ها

ParseSingleExample (const :: tensorflow::Scope & scope, :: tensorflow::Input serialized, :: tensorflow::InputList dense_defaults, int64 num_sparse, const gtl::ArraySlice< string > & sparse_keys, const gtl::ArraySlice< string > & dense_keys, const DataTypeSlice & sparse_types, const gtl::ArraySlice< PartialTensorShape > & dense_shapes)

ویژگی‌های عمومی

dense_values
operation
sparse_indices
sparse_shapes
sparse_values

ویژگی‌های عمومی

مقادیر متراکم 

::tensorflow::OutputList dense_values

عملیات 

Operation operation

شاخص‌های پراکنده 

::tensorflow::OutputList sparse_indices

شکل‌های پراکنده 

::tensorflow::OutputList sparse_shapes

مقادیر پراکنده 

::tensorflow::OutputList sparse_values

کارکردهای عمومی

ParseSingleExample 

 ParseSingleExample(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input serialized,
  ::tensorflow::InputList dense_defaults,
  int64 num_sparse,
  const gtl::ArraySlice< string > & sparse_keys,
  const gtl::ArraySlice< string > & dense_keys,
  const DataTypeSlice & sparse_types,
  const gtl::ArraySlice< PartialTensorShape > & dense_shapes
)