Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
aliran tensor:: operasi:: ParseSingleContoh
#include <parsing_ops.h> Mengubah proto tf.Example (sebagai string) menjadi tensor yang diketik.
Ringkasan
Argumen:
- ruang lingkup: Objek Lingkup
- berseri: Sebuah vektor yang berisi kumpulan proto Contoh berseri biner.
- solid_defaults: Daftar Tensor (beberapa mungkin kosong), yang panjangnya cocok dengan panjang
dense_keys . padat_defaults[j] memberikan nilai default ketika feature_map contoh tidak memiliki kunci_padat[j]. Jika Tensor kosong disediakan untuk Dense_defaults[j], maka Fitur Dense_keys[j] diperlukan. Tipe input disimpulkan dari solid_defaults[j], meskipun kosong. Jika padat_defaults[j] tidak kosong, dan padat_bentuk[j] terdefinisi sepenuhnya, maka bentuk padat_defaults[j] harus cocok dengan bentuk_padat[j]. Jika bentuk_padat[j] memiliki dimensi utama yang tidak terdefinisi (fitur padat langkah variabel), padat_defaults[j] harus berisi satu elemen: elemen bantalan. - num_sparse: Jumlah fitur renggang yang akan diurai dari contoh. Ini harus cocok dengan panjang
sparse_keys dan sparse_types . - sparse_keys: Daftar string
num_sparse . Kunci yang diharapkan dalam fitur Contoh terkait dengan nilai renggang. - solid_keys: Kunci yang diharapkan dalam fitur Contoh terkait dengan nilai padat.
- sparse_types: Daftar
num_sparse tipe; tipe data data di setiap Fitur yang diberikan di sparse_keys. Saat ini operasi ParseSingleExample mendukung DT_FLOAT (FloatList), DT_INT64 (Int64List), dan DT_STRING (BytesList). - padat_bentuk: Bentuk data di setiap Fitur yang diberikan dalam kunci_padat. Panjang daftar ini harus sesuai dengan panjang
dense_keys . Jumlah elemen dalam Fitur yang terkait dengan kunci_padat[j] harus selalu sama dengan bentuk_padat[j].NumEntries(). Jika bentuk_padat[j] == (D0, D1, ..., DN) maka bentuk keluaran Tensor nilai_padat[j] akan menjadi (D0, D1, ..., DN): Dalam hal bentuk_padat[j] = (-1, D1, ..., DN), bentuk keluaran Tensor solid_values[j] adalah (M, D1, .., DN), dengan M adalah jumlah blok elemen dengan panjang D1 * . ... * DN, di masukan.
Pengembalian:
-
OutputList sparse_indices -
OutputList sparse_values -
OutputList sparse_shapes -
OutputList nilai_padat
Atribut publik
Fungsi publik
ParseSingleContoh
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
)
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2025-07-26 UTC.
[null,null,["Terakhir diperbarui pada 2025-07-26 UTC."],[],[],null,["# tensorflow::ops::ParseSingleExample Class Reference\n\ntensorflow::ops::ParseSingleExample\n===================================\n\n`#include \u003cparsing_ops.h\u003e`\n\nTransforms a tf.Example proto (as a string) 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 vector containing a batch of binary serialized Example protos.\n- dense_defaults: A list of Tensors (some may be empty), whose length matches the length of `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 features to be parsed from the example. This must match the lengths of `sparse_keys` and `sparse_types`.\n- sparse_keys: A list of `num_sparse` strings. The keys expected in the Examples' features associated with sparse values.\n- dense_keys: The keys expected in the Examples' features associated with dense values.\n- sparse_types: A list of `num_sparse` types; the data types of data in each Feature given in sparse_keys. Currently the [ParseSingleExample](/versions/r2.1/api_docs/cc/class/tensorflow/ops/parse-single-example#classtensorflow_1_1ops_1_1_parse_single_example) op supports DT_FLOAT (FloatList), DT_INT64 (Int64List), and DT_STRING (BytesList).\n- dense_shapes: The shapes of data in each Feature given in dense_keys. The length of this list must match the length of `dense_keys`. 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 (D0, D1, ..., DN): In the case dense_shapes\\[j\\] = (-1, D1, ..., DN), the shape of the output [Tensor](/versions/r2.1/api_docs/cc/class/tensorflow/tensor#classtensorflow_1_1_tensor) dense_values\\[j\\] will be (M, D1, .., DN), where M is the number of blocks of elements of length D1 \\* .... \\* DN, in the input.\n\n\u003cbr /\u003e\n\nReturns:\n\n- `OutputList` sparse_indices\n- `OutputList` sparse_values\n- `OutputList` sparse_shapes\n- `OutputList` dense_values\n\n\u003cbr /\u003e\n\n| ### Constructors and Destructors ||\n|---|---|\n| [ParseSingleExample](#classtensorflow_1_1ops_1_1_parse_single_example_1a1ae193409b639d7d46779ef2fe25aaa8)`(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::InputList](/versions/r2.1/api_docs/cc/class/tensorflow/input-list#classtensorflow_1_1_input_list)` dense_defaults, int64 num_sparse, const gtl::ArraySlice\u003c string \u003e & sparse_keys, const gtl::ArraySlice\u003c string \u003e & dense_keys, const DataTypeSlice & sparse_types, const gtl::ArraySlice\u003c PartialTensorShape \u003e & dense_shapes)` ||\n\n| ### Public attributes ||\n|-------------------------------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------------------------|\n| [dense_values](#classtensorflow_1_1ops_1_1_parse_single_example_1a47aea5050a1c195f45e106a7e5dd8d6c) | `::`[tensorflow::OutputList](/versions/r2.1/api_docs/cc/group/core#group__core_1gab449e6a3abd500c2f4ea93f9e89ba96c) |\n| [operation](#classtensorflow_1_1ops_1_1_parse_single_example_1a653e666e79f4a510ce99022030457306) | [Operation](/versions/r2.1/api_docs/cc/class/tensorflow/operation#classtensorflow_1_1_operation) |\n| [sparse_indices](#classtensorflow_1_1ops_1_1_parse_single_example_1aff26528d71218f864c4bbe158da75497) | `::`[tensorflow::OutputList](/versions/r2.1/api_docs/cc/group/core#group__core_1gab449e6a3abd500c2f4ea93f9e89ba96c) |\n| [sparse_shapes](#classtensorflow_1_1ops_1_1_parse_single_example_1a43c18746bd9c93c475b6f796e90cf197) | `::`[tensorflow::OutputList](/versions/r2.1/api_docs/cc/group/core#group__core_1gab449e6a3abd500c2f4ea93f9e89ba96c) |\n| [sparse_values](#classtensorflow_1_1ops_1_1_parse_single_example_1a0dbd7fd1ac19943db8a06f1004a43731) | `::`[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### 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### ParseSingleExample\n\n```gdscript\n ParseSingleExample(\n const ::tensorflow::Scope & scope,\n ::tensorflow::Input serialized,\n ::tensorflow::InputList dense_defaults,\n int64 num_sparse,\n const gtl::ArraySlice\u003c string \u003e & sparse_keys,\n const gtl::ArraySlice\u003c string \u003e & dense_keys,\n const DataTypeSlice & sparse_types,\n const gtl::ArraySlice\u003c PartialTensorShape \u003e & dense_shapes\n)\n```"]]
