tensorflow:: ops:: Przykład analizy

#include <parsing_ops.h>

Przekształca wektor prototypów (jako ciągi znaków) w tensory typowane.

Streszczenie

Argumenty:

  • zakres: obiekt zakresu
  • serializowany: Wektor zawierający partię binarnych, serializowanych prototypów.
  • Nazwy: Wektor zawierający nazwy zserializowanych prototypów. Może zawierać na przykład nazwy kluczy tabeli (opisowe) dla odpowiadających im zserializowanych prototypów. Są one przydatne wyłącznie do celów debugowania, a obecność wartości w tym miejscu nie ma wpływu na wynik. Może to być również wektor pusty, jeśli nie są dostępne żadne nazwy. Jeśli wektor nie jest pusty, musi mieć taką samą długość jak „zserializowany”.
  • sparse_keys: Lista tensorów (skalarów) ciągu Nsparse. Klucze oczekiwane w funkcjach przykładów związanych z wartościami rzadkimi.
  • dense_keys: Lista tensorów (skalarów) ciągu Ndense. Klucze oczekiwane w funkcjach przykładów powiązanych z wartościami gęstymi.
  • dense_defaults: Lista tensorów Ndense (niektóre mogą być puste). dense_defaults[j] dostarcza wartości domyślne, gdy w przykładzie feature_map brakuje dense_key[j]. Jeśli dla dense_defaults[j] podano pusty tensor , wymagana jest funkcja dense_keys[j]. Typ wejściowy jest wnioskowany z dense_defaults[j], nawet gdy jest ona pusta. Jeśli dense_defaults[j] nie jest puste, a dense_shapes[j] jest w pełni zdefiniowane, to kształt dense_defaults[j] musi być zgodny z kształtem dense_shapes[j]. Jeśli dense_shapes[j] ma niezdefiniowany wymiar główny (zmienna liczba kroków gęstej funkcji), dense_defaults[j] musi zawierać pojedynczy element: element wypełnienia.
  • sparse_types: Lista typów Nsparse; typy danych w każdej funkcji podane w sparse_keys. Obecnie ParseExample obsługuje DT_FLOAT (FloatList), DT_INT64 (Int64List) i DT_STRING (BytesList).
  • dense_shapes: Lista kształtów Ndense; kształty danych w każdej Cesze podane w dense_keys. Liczba elementów w Cesze odpowiadająca dense_key[j] musi zawsze być równa dense_shapes[j].NumEntries(). Jeśli dense_shapes[j] == (D0, D1, ..., DN) to kształt tensora wyjściowego dense_values[j] będzie (|serialized|, D0, D1, ..., DN): Gęste wyjścia to po prostu wejścia ułożone wierszami według partii. Działa to dla dense_shapes[j] = (-1, D1, ..., DN). W tym przypadku kształt tensora wyjściowego dense_values[j] będzie (|serialized|, M, D1, .., DN), gdzie M jest maksymalną liczbą bloków elementów o długości D1 * .... * DN, we wszystkich wpisach minipartii w wejściu. Każdy wpis minibatch zawierający mniej niż M bloków elementów o długości D1 * ... * DN zostanie uzupełniony odpowiednim elementem skalarnym default_value wzdłuż drugiego wymiaru.

Zwroty:

  • OutputList sparse_indices
  • OutputList sparse_values
  • OutputList sparse_shapes
  • OutputList dense_values

Konstruktory i destruktory

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)

Atrybuty publiczne

dense_values
operation
sparse_indices
sparse_shapes
sparse_values

Atrybuty publiczne

gęste_wartości 

::tensorflow::OutputList dense_values

działanie 

Operation operation

rzadkie_indeksy 

::tensorflow::OutputList sparse_indices

rzadkie_kształty 

::tensorflow::OutputList sparse_shapes

rzadkie_wartości 

::tensorflow::OutputList sparse_values

Funkcje publiczne

Przykład analizy 

 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
)