جریان تنسور:: عملیات:: SparseFillEmptyRows
#include <sparse_ops.h> ردیف های خالی ورودی 2-D SparseTensor را با مقدار پیش فرض پر می کند.
خلاصه
ورودی SparseTensor از طریق چند ورودی ( indices ، values ، dense_shape ) نشان داده می‌شود. خروجی SparseTensor همان dense_shape را دارد اما با اندیس‌های output_indices و مقادیر output_values .
این عملیات برای هر ردیفی که هیچ مقداری ندارد یک ورودی وارد می کند. ایندکس به صورت [row, 0, ..., 0] ایجاد می شود و مقدار درج شده default_value است.
برای مثال، فرض کنید sp_input دارای شکل [5, 6] و مقادیر غیر خالی است:
[0, 1]: a [0, 3]: b [2, 0]: c [3, 1]: d
سطرهای 1 و 4 خالی هستند، بنابراین خروجی به شکل [5, 6] با مقادیر:
[0, 1]: a [0, 3]: b [1, 0]: default_value [2, 0]: c [3, 1]: d [4, 0]: default_value
خروجی SparseTensor به ترتیب ردیف اصلی خواهد بود و شکلی مشابه ورودی خواهد داشت.
این عملیات همچنین یک بردار نشانگر به شکل [dense_shape[0]] برمی گرداند به طوری که
empty_row_indicator[i] = True iff row i was an empty row.
و یک بردار نقشه شاخص معکوس به شکل [indices.shape[0]] که در حین انتشار پس زمینه استفاده می شود،
reverse_index_map[j] = out_j s.t. indices[j, :] == output_indices[out_j, :]
استدلال ها:
- scope: یک شی Scope
- شاخص ها: 2-D. شاخص های تانسور پراکنده
- مقادیر: 1-D. مقادیر تانسور پراکنده
- dense_shape: 1-D. شکل تانسور پراکنده
- پیش فرض_مقدار: 0-D. مقدار پیش‌فرض برای درج در مکان
[row, 0, ..., 0]برای ردیف‌هایی که از تانسور پراکنده ورودی وجود ندارند. شاخص های خروجی: 2-D. شاخص های تانسور پراکنده پر.
برمی‌گرداند:
-
Output -
Output: 1-D. مقادیر تانسور پراکنده پر شده -
Outputخالی_ردیف_شاخص: 1-D. آیا ردیف متراکم در تانسور پراکنده ورودی وجود ندارد. -
Outputreverse_index_map: 1-D. نقشه ای از شاخص های ورودی به شاخص های خروجی.
سازندگان و ویرانگرها | |
|---|---|
SparseFillEmptyRows (const :: tensorflow::Scope & scope, :: tensorflow::Input indices, :: tensorflow::Input values, :: tensorflow::Input dense_shape, :: tensorflow::Input default_value) |
صفات عمومی | |
|---|---|
empty_row_indicator | |
operation | |
output_indices | |
output_values | |
reverse_index_map | |
صفات عمومی
نشانگر_ ردیف_ خالی
::tensorflow::Output empty_row_indicator
عملیات
Operation operation
خروجی_شاخص ها
::tensorflow::Output output_indices
مقادیر_خروجی
::tensorflow::Output output_values
reverse_index_map
::tensorflow::Output reverse_index_map
توابع عمومی
SparseFillEmptyRows
SparseFillEmptyRows( const ::tensorflow::Scope & scope, ::tensorflow::Input indices, ::tensorflow::Input values, ::tensorflow::Input dense_shape, ::tensorflow::Input default_value )
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 2025-07-26 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2025-07-26 بهوقت ساعت هماهنگ جهانی."],[],[],null,["# tensorflow::ops::SparseFillEmptyRows Class Reference\n\ntensorflow::ops::SparseFillEmptyRows\n====================================\n\n`#include \u003csparse_ops.h\u003e`\n\nFills empty rows in the input 2-D `SparseTensor` with a default value.\n\nSummary\n-------\n\nThe input `SparseTensor` is represented via the tuple of inputs (`indices`, `values`, `dense_shape`). The output `SparseTensor` has the same `dense_shape` but with indices `output_indices` and values `output_values`.\n\nThis op inserts a single entry for every row that doesn't have any values. The index is created as `[row, 0, ..., 0]` and the inserted value is `default_value`.\n\nFor example, suppose `sp_input` has shape `[5, 6]` and non-empty values: \n\n```text\n[0, 1]: a\n[0, 3]: b\n[2, 0]: c\n[3, 1]: d\n```\n\n\u003cbr /\u003e\n\nRows 1 and 4 are empty, so the output will be of shape `[5, 6]` with values: \n\n```scdoc\n[0, 1]: a\n[0, 3]: b\n[1, 0]: default_value\n[2, 0]: c\n[3, 1]: d\n[4, 0]: default_value\n```\n\n\u003cbr /\u003e\n\nThe output `SparseTensor` will be in row-major order and will have the same shape as the input.\n\nThis op also returns an indicator vector shaped `[dense_shape[0]]` such that \n\n```transact-sql\nempty_row_indicator[i] = True iff row i was an empty row.\n```\n\n\u003cbr /\u003e\n\nAnd a reverse index map vector shaped `[indices.shape[0]]` that is used during backpropagation, \n\n```transact-sql\nreverse_index_map[j] = out_j s.t. indices[j, :] == output_indices[out_j, :]\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- indices: 2-D. the indices of the sparse tensor.\n- values: 1-D. the values of the sparse tensor.\n- dense_shape: 1-D. the shape of the sparse tensor.\n- default_value: 0-D. default value to insert into location `[row, 0, ..., 0]` for rows missing from the input sparse tensor. output indices: 2-D. the indices of the filled sparse tensor.\n\n\u003cbr /\u003e\n\nReturns:\n\n- [Output](/versions/r2.0/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) output_indices\n- [Output](/versions/r2.0/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) output_values: 1-D. the values of the filled sparse tensor.\n- [Output](/versions/r2.0/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) empty_row_indicator: 1-D. whether the dense row was missing in the input sparse tensor.\n- [Output](/versions/r2.0/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) reverse_index_map: 1-D. a map from the input indices to the output indices.\n\n\u003cbr /\u003e\n\n| ### Constructors and Destructors ||\n|---|---|\n| [SparseFillEmptyRows](#classtensorflow_1_1ops_1_1_sparse_fill_empty_rows_1a879e72f00ec2907ae24319568619e724)`(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)` indices, ::`[tensorflow::Input](/versions/r2.0/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` values, ::`[tensorflow::Input](/versions/r2.0/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` dense_shape, ::`[tensorflow::Input](/versions/r2.0/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` default_value)` ||\n\n| ### Public attributes ||\n|--------------------------------------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------------|\n| [empty_row_indicator](#classtensorflow_1_1ops_1_1_sparse_fill_empty_rows_1adb1b94f12679619031e52393d4dde736) | `::`[tensorflow::Output](/versions/r2.0/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n| [operation](#classtensorflow_1_1ops_1_1_sparse_fill_empty_rows_1a904fc23a9366dfb3edb6e9ce97f51176) | [Operation](/versions/r2.0/api_docs/cc/class/tensorflow/operation#classtensorflow_1_1_operation) |\n| [output_indices](#classtensorflow_1_1ops_1_1_sparse_fill_empty_rows_1a2e77eb808d738a81625bc66d14e269c2) | `::`[tensorflow::Output](/versions/r2.0/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n| [output_values](#classtensorflow_1_1ops_1_1_sparse_fill_empty_rows_1a050f6a03931adf4b1fe9fe0933537d4f) | `::`[tensorflow::Output](/versions/r2.0/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n| [reverse_index_map](#classtensorflow_1_1ops_1_1_sparse_fill_empty_rows_1af0519edc8137614dd36f96f10ed6e4ef) | `::`[tensorflow::Output](/versions/r2.0/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n\nPublic attributes\n-----------------\n\n### empty_row_indicator\n\n```scdoc\n::tensorflow::Output empty_row_indicator\n``` \n\n### operation\n\n```text\nOperation operation\n``` \n\n### output_indices\n\n```scdoc\n::tensorflow::Output output_indices\n``` \n\n### output_values\n\n```scdoc\n::tensorflow::Output output_values\n``` \n\n### reverse_index_map\n\n```scdoc\n::tensorflow::Output reverse_index_map\n``` \n\nPublic functions\n----------------\n\n### SparseFillEmptyRows\n\n```gdscript\n SparseFillEmptyRows(\n const ::tensorflow::Scope & scope,\n ::tensorflow::Input indices,\n ::tensorflow::Input values,\n ::tensorflow::Input dense_shape,\n ::tensorflow::Input default_value\n)\n```"]]