tensorflow:: אופס:: ParseExampleV2
#include <parsing_ops.h>הופך וקטור של פרוטו tf.Example (כמחרוזות) לטנזורים מוקלדים.
תַקצִיר
טיעונים:
- scope: אובייקט Scope
- serialized: סקלרי או וקטור המכיל פרוטו דוגמה בינאריות בסריאליזציה.
- שמות: טנזור המכיל את שמות הפרוטוטים המסודרים. מתאים ל-1:1 עם הטנזור
serialized. עשוי להכיל, למשל, שמות של מפתחות טבלה (תיאוריים) עבור הפרוטואים המתאימים בסידרה. אלה שימושיים אך ורק למטרות ניפוי באגים, ולנוכחות של ערכים כאן אין השפעה על הפלט. עשוי להיות גם וקטור ריק אם אין שמות זמינים. אם אינו ריק, טנזור זה חייב להיות בעל אותה צורה כמו "בסדרה". - sparse_keys: וקטור של מחרוזות. המפתחות הצפויים בתכונות הדוגמאות הקשורות לערכים דלילים.
- dense_keys: וקטור של מחרוזות. המפתחות הצפויים בתכונות הדוגמאות הקשורות לערכים צפופים.
- ragged_keys: וקטור של מחרוזות. המפתחות הצפויים בתכונות הדוגמאות הקשורות לערכים מרופטים.
- dense_defaults: רשימה של Tensors (חלקם עשויים להיות ריקים). מתאים ל-1:1 עם
dense_keys. dense_defaults[j] מספק ערכי ברירת מחדל כאשר המאפיין_map של הדוגמה חסר dense_key[j]. אם מסופק Tensor ריק עבור dense_defaults[j], אז יש צורך ב- Feature dense_keys[j]. סוג הקלט מוסק מ-dense_defaults[j], גם כאשר הוא ריק. אם dense_defaults[j] אינו ריק, ו-dense_shapes[j] מוגדר במלואו, אז הצורה של dense_defaults[j] חייבת להתאים לזו של dense_shapes[j]. אם ל-dense_shapes[j] יש ממד עיקרי לא מוגדר (תכונה צפופה של צעדים משתנים), ה-dense_defaults[j] חייבת להכיל אלמנט בודד: אלמנט הריפוד. - num_sparse: מספר המפתחות הדלילים.
- sparse_types: רשימה של
num_sparseטיפוסים; סוגי הנתונים של הנתונים בכל תכונה הניתנים ב-sparse_keys. נכון לעכשיו, ParseExample תומך ב-DT_FLOAT (FloatList), DT_INT64 (Int64List) ו-DT_STRING (BytesList). - ragged_value_types: רשימה של
num_raggedטיפוסים; סוגי הנתונים של הנתונים בכל תכונה הניתנת ב-ragged_keys (כאשרnum_ragged = sparse_keys.size()). נכון לעכשיו, ParseExample תומך ב-DT_FLOAT (FloatList), DT_INT64 (Int64List) ו-DT_STRING (BytesList). - ragged_split_types: רשימה של
num_raggedטיפוסים; סוגי הנתונים של row_splits בכל תכונה הניתנת ב-ragged_keys (כאשרnum_ragged = sparse_keys.size()). יכול להיות DT_INT32 או DT_INT64. - צפיות_צפופות: רשימה של צורות
num_dense; צורות הנתונים בכל תכונה הניתנות ב-dense_keys (כאשרnum_dense = dense_keys.size()). מספר האלמנטים בתכונה התואמת ל-dense_key[j] חייב תמיד להיות שווה ל-dense_shapes[j].NumEntries(). אם צפיות_צפיות[j] == (D0, D1, ..., DN) אזי הצורה של פלט Tensor dense_values[j] תהיה (|בסדרה|, D0, D1, ..., DN): הפלטים הצפופים הם רק התשומות מוערמות בשורה לפי אצווה. זה עובד עבור dense_shapes[j] = (-1, D1, ..., DN). במקרה זה הצורה של הפלט Tensor dense_values[j] תהיה (|serialized|, M, D1, .., DN), כאשר M הוא המספר המרבי של בלוקים של אלמנטים באורך D1 * .... * DN , על פני כל ערכי ה-minibatch בקלט. כל ערך מיני-אצט עם פחות מ-M בלוקים של אלמנטים באורך D1 * ... * DN יורפד ברכיב הסקלרי המתאים default_value לאורך הממד השני.
החזרות:
-
OutputListsparse_indexes -
OutputListsparse_values -
OutputListsparse_shapes -
OutputListdense_values -
OutputListragged_values -
OutputListמפוצלים מרופטים_שורות
בנאים והורסים | |
|---|---|
ParseExampleV2 (const :: tensorflow::Scope & scope, :: tensorflow::Input serialized, :: tensorflow::Input names, :: tensorflow::Input sparse_keys, :: tensorflow::Input dense_keys, :: tensorflow::Input ragged_keys, :: tensorflow::InputList dense_defaults, int64 num_sparse, const DataTypeSlice & sparse_types, const DataTypeSlice & ragged_value_types, const DataTypeSlice & ragged_split_types, const gtl::ArraySlice< PartialTensorShape > & dense_shapes) |
תכונות ציבוריות | |
|---|---|
dense_values | |
operation | |
ragged_row_splits | |
ragged_values | |
sparse_indices | |
sparse_shapes | |
sparse_values | |
תכונות ציבוריות
ערכים_צפופים
::tensorflow::OutputList dense_values
מִבצָע
Operation operation
מפוצלים_שורות_מרופטות
::tensorflow::OutputList ragged_row_splits
ערכים_מרופטים
::tensorflow::OutputList ragged_values
מדדים_דלילים
::tensorflow::OutputList sparse_indices
צורות_דלילות
::tensorflow::OutputList sparse_shapes
ערכים_דלילים
::tensorflow::OutputList sparse_values
תפקידים ציבוריים
ParseExampleV2
ParseExampleV2( const ::tensorflow::Scope & scope, ::tensorflow::Input serialized, ::tensorflow::Input names, ::tensorflow::Input sparse_keys, ::tensorflow::Input dense_keys, ::tensorflow::Input ragged_keys, ::tensorflow::InputList dense_defaults, int64 num_sparse, const DataTypeSlice & sparse_types, const DataTypeSlice & ragged_value_types, const DataTypeSlice & ragged_split_types, const gtl::ArraySlice< PartialTensorShape > & dense_shapes )
אלא אם צוין אחרת, התוכן של דף זה הוא ברישיון Creative Commons Attribution 4.0 ודוגמאות הקוד הן ברישיון Apache 2.0. לפרטים, ניתן לעיין במדיניות האתר Google Developers. Java הוא סימן מסחרי רשום של חברת Oracle ו/או של השותפים העצמאיים שלה.
עדכון אחרון: 2025-07-26 (שעון UTC).
[null,null,["עדכון אחרון: 2025-07-26 (שעון UTC)."],[],[],null,["# tensorflow::ops::ParseExampleV2 Class Reference\n\ntensorflow::ops::ParseExampleV2\n===============================\n\n`#include \u003cparsing_ops.h\u003e`\n\nTransforms a vector of tf.Example protos (as strings) into typed tensors.\n\nSummary\n-------\n\nArguments:\n\n- scope: A [Scope](/versions/r2.1/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope) object\n- serialized: A scalar or vector containing binary serialized Example protos.\n- names: A tensor containing the names of the serialized protos. Corresponds 1:1 with the `serialized` tensor. May contain, for example, table key (descriptive) names for the corresponding serialized protos. These are purely useful for debugging purposes, and the presence of values here has no effect on the output. May also be an empty vector if no names are available. If non-empty, this tensor must have the same shape as \"serialized\".\n- sparse_keys: Vector of strings. The keys expected in the Examples' features associated with sparse values.\n- dense_keys: Vector of strings. The keys expected in the Examples' features associated with dense values.\n- ragged_keys: Vector of strings. The keys expected in the Examples' features associated with ragged values.\n- dense_defaults: A list of Tensors (some may be empty). Corresponds 1:1 with `dense_keys`. dense_defaults\\[j\\] provides default values when the example's feature_map lacks dense_key\\[j\\]. If an empty [Tensor](/versions/r2.1/api_docs/cc/class/tensorflow/tensor#classtensorflow_1_1_tensor) is provided for dense_defaults\\[j\\], then the Feature dense_keys\\[j\\] is required. The input type is inferred from dense_defaults\\[j\\], even when it's empty. If dense_defaults\\[j\\] is not empty, and dense_shapes\\[j\\] is fully defined, then the shape of dense_defaults\\[j\\] must match that of dense_shapes\\[j\\]. If dense_shapes\\[j\\] has an undefined major dimension (variable strides dense feature), dense_defaults\\[j\\] must contain a single element: the padding element.\n- num_sparse: The number of sparse keys.\n- sparse_types: A list of `num_sparse` types; the data types of data in each Feature given in sparse_keys. Currently the [ParseExample](/versions/r2.1/api_docs/cc/class/tensorflow/ops/parse-example#classtensorflow_1_1ops_1_1_parse_example) supports DT_FLOAT (FloatList), DT_INT64 (Int64List), and DT_STRING (BytesList).\n- ragged_value_types: A list of `num_ragged` types; the data types of data in each Feature given in ragged_keys (where `num_ragged = sparse_keys.size()`). Currently the [ParseExample](/versions/r2.1/api_docs/cc/class/tensorflow/ops/parse-example#classtensorflow_1_1ops_1_1_parse_example) supports DT_FLOAT (FloatList), DT_INT64 (Int64List), and DT_STRING (BytesList).\n- ragged_split_types: A list of `num_ragged` types; the data types of row_splits in each Feature given in ragged_keys (where `num_ragged = sparse_keys.size()`). May be DT_INT32 or DT_INT64.\n- dense_shapes: A list of `num_dense` shapes; the shapes of data in each Feature given in dense_keys (where `num_dense = dense_keys.size()`). The number of elements in the Feature corresponding to dense_key\\[j\\] must always equal dense_shapes\\[j\\].NumEntries(). If dense_shapes\\[j\\] == (D0, D1, ..., DN) then the shape of output [Tensor](/versions/r2.1/api_docs/cc/class/tensorflow/tensor#classtensorflow_1_1_tensor) dense_values\\[j\\] will be (\\|serialized\\|, D0, D1, ..., DN): The dense outputs are just the inputs row-stacked by batch. This works for dense_shapes\\[j\\] = (-1, D1, ..., DN). In this case the shape of the output [Tensor](/versions/r2.1/api_docs/cc/class/tensorflow/tensor#classtensorflow_1_1_tensor) dense_values\\[j\\] will be (\\|serialized\\|, M, D1, .., DN), where M is the maximum number of blocks of elements of length D1 \\* .... \\* DN, across all minibatch entries in the input. [Any](/versions/r2.1/api_docs/cc/class/tensorflow/ops/any#classtensorflow_1_1ops_1_1_any) minibatch entry with less than M blocks of elements of length D1 \\* ... \\* DN will be padded with the corresponding default_value scalar element along the second dimension.\n\n\u003cbr /\u003e\n\nReturns:\n\n- `OutputList` sparse_indices\n- `OutputList` sparse_values\n- `OutputList` sparse_shapes\n- `OutputList` dense_values\n- `OutputList` ragged_values\n- `OutputList` ragged_row_splits\n\n\u003cbr /\u003e\n\n| ### Constructors and Destructors ||\n|---|---|\n| [ParseExampleV2](#classtensorflow_1_1ops_1_1_parse_example_v2_1ab4e11094ad7703df99aa576d6ad67425)`(const ::`[tensorflow::Scope](/versions/r2.1/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope)` & scope, ::`[tensorflow::Input](/versions/r2.1/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` serialized, ::`[tensorflow::Input](/versions/r2.1/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` names, ::`[tensorflow::Input](/versions/r2.1/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` sparse_keys, ::`[tensorflow::Input](/versions/r2.1/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` dense_keys, ::`[tensorflow::Input](/versions/r2.1/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` ragged_keys, ::`[tensorflow::InputList](/versions/r2.1/api_docs/cc/class/tensorflow/input-list#classtensorflow_1_1_input_list)` dense_defaults, int64 num_sparse, const DataTypeSlice & sparse_types, const DataTypeSlice & ragged_value_types, const DataTypeSlice & ragged_split_types, const gtl::ArraySlice\u003c PartialTensorShape \u003e & dense_shapes)` ||\n\n| ### Public attributes ||\n|------------------------------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------------------------|\n| [dense_values](#classtensorflow_1_1ops_1_1_parse_example_v2_1a470bd99f28093905ebb2729aa4cedce6) | `::`[tensorflow::OutputList](/versions/r2.1/api_docs/cc/group/core#group__core_1gab449e6a3abd500c2f4ea93f9e89ba96c) |\n| [operation](#classtensorflow_1_1ops_1_1_parse_example_v2_1a514d8b2a197c9df22325d12a3b74a46f) | [Operation](/versions/r2.1/api_docs/cc/class/tensorflow/operation#classtensorflow_1_1_operation) |\n| [ragged_row_splits](#classtensorflow_1_1ops_1_1_parse_example_v2_1a295efa8fb5cdb697c1ebcef3906c9e78) | `::`[tensorflow::OutputList](/versions/r2.1/api_docs/cc/group/core#group__core_1gab449e6a3abd500c2f4ea93f9e89ba96c) |\n| [ragged_values](#classtensorflow_1_1ops_1_1_parse_example_v2_1a67d9cc60e2546f180462bf8f61299b41) | `::`[tensorflow::OutputList](/versions/r2.1/api_docs/cc/group/core#group__core_1gab449e6a3abd500c2f4ea93f9e89ba96c) |\n| [sparse_indices](#classtensorflow_1_1ops_1_1_parse_example_v2_1a0c78755e58595fadb6b7989979fbd03e) | `::`[tensorflow::OutputList](/versions/r2.1/api_docs/cc/group/core#group__core_1gab449e6a3abd500c2f4ea93f9e89ba96c) |\n| [sparse_shapes](#classtensorflow_1_1ops_1_1_parse_example_v2_1a272ff8e836298c301eb6694d25fb070d) | `::`[tensorflow::OutputList](/versions/r2.1/api_docs/cc/group/core#group__core_1gab449e6a3abd500c2f4ea93f9e89ba96c) |\n| [sparse_values](#classtensorflow_1_1ops_1_1_parse_example_v2_1a6b6a124a63884bcf1a02968c7caf0073) | `::`[tensorflow::OutputList](/versions/r2.1/api_docs/cc/group/core#group__core_1gab449e6a3abd500c2f4ea93f9e89ba96c) |\n\nPublic attributes\n-----------------\n\n### dense_values\n\n```scdoc\n::tensorflow::OutputList dense_values\n``` \n\n### operation\n\n```text\nOperation operation\n``` \n\n### ragged_row_splits\n\n```scdoc\n::tensorflow::OutputList ragged_row_splits\n``` \n\n### ragged_values\n\n```scdoc\n::tensorflow::OutputList ragged_values\n``` \n\n### sparse_indices\n\n```scdoc\n::tensorflow::OutputList sparse_indices\n``` \n\n### sparse_shapes\n\n```scdoc\n::tensorflow::OutputList sparse_shapes\n``` \n\n### sparse_values\n\n```scdoc\n::tensorflow::OutputList sparse_values\n``` \n\nPublic functions\n----------------\n\n### ParseExampleV2\n\n```gdscript\n ParseExampleV2(\n const ::tensorflow::Scope & scope,\n ::tensorflow::Input serialized,\n ::tensorflow::Input names,\n ::tensorflow::Input sparse_keys,\n ::tensorflow::Input dense_keys,\n ::tensorflow::Input ragged_keys,\n ::tensorflow::InputList dense_defaults,\n int64 num_sparse,\n const DataTypeSlice & sparse_types,\n const DataTypeSlice & ragged_value_types,\n const DataTypeSlice & ragged_split_types,\n const gtl::ArraySlice\u003c PartialTensorShape \u003e & dense_shapes\n)\n```"]]