تدفق التوتر:: العمليات:: نموذج التحليل V2
#include <parsing_ops.h>يحول متجه tf.Example protos (كسلاسل) إلى موترات مكتوبة.
ملخص
الحجج:
- النطاق: كائن النطاق
- متسلسل: عددي أو متجه يحتوي على نماذج أولية متسلسلة ثنائية.
- الأسماء: موتر يحتوي على أسماء البروتوس المتسلسلة. يتوافق 1:1 مع الموتر
serialized. قد تحتوي، على سبيل المثال، على أسماء مفاتيح الجدول (الوصفية) للنماذج الأولية المتسلسلة المقابلة. وهي مفيدة فقط لأغراض تصحيح الأخطاء، ووجود القيم هنا ليس له أي تأثير على المخرجات. قد يكون أيضًا متجهًا فارغًا في حالة عدم توفر أسماء. إذا لم يكن فارغًا، فيجب أن يكون لهذا الموتر نفس شكل "متسلسل". - Sparse_keys: ناقل السلاسل. المفاتيح المتوقعة في ميزات الأمثلة المرتبطة بالقيم المتفرقة.
- المفاتيح الكثيفة: ناقل السلاسل. المفاتيح المتوقعة في ميزات الأمثلة المرتبطة بالقيم الكثيفة.
- ragged_keys: ناقل السلاسل. المفاتيح المتوقعة في ميزات الأمثلة المرتبطة بالقيم المتعرجة.
- Density_defaults: قائمة Tensors (قد يكون بعضها فارغًا). يتوافق 1:1 مع
dense_keys. يوفر Density_defaults[j] قيمًا افتراضية عندما تفتقر خريطة feature_map الخاصة بالمثال إلى Density_key[j]. إذا تم توفير Tensor فارغًا لـ Density_defaults[j]، فستكون هناك حاجة إلى ميزة Density_keys[j]. يتم استنتاج نوع الإدخال من كثيف_افتراضي[j]، حتى عندما يكون فارغًا. إذا لم تكن Density_defaults[j] فارغة، وتم تعريف Density_shapes[j] بشكل كامل، فيجب أن يتطابق شكل Density_defaults[j] مع شكل Density_shapes[j]. إذا كان كثيف_الأشكال[j] يحتوي على بُعد رئيسي غير محدد (ميزة كثافة الخطوات المتغيرة)، فيجب أن تحتوي الكثافة_الافتراضية[j] على عنصر واحد: عنصر الحشو. - num_sparse: عدد المفاتيح المتفرقة.
- Sparse_types: قائمة بأنواع
num_sparse؛ أنواع البيانات في كل ميزة مقدمة في sparse_keys. يدعم ParseExample حاليًا DT_FLOAT (FloatList)، وDT_INT64 (Int64List)، وDT_STRING (BytesList). - ragged_value_types: قائمة بالأنواع
num_ragged؛ أنواع البيانات في كل ميزة مقدمة في ragged_keys (حيثnum_ragged = sparse_keys.size()). يدعم ParseExample حاليًا DT_FLOAT (FloatList)، وDT_INT64 (Int64List)، وDT_STRING (BytesList). - ragged_split_types: قائمة بالأنواع
num_ragged؛ أنواع البيانات الخاصة بـrow_splits في كل ميزة مقدمة في ragged_keys (حيثnum_ragged = sparse_keys.size()). قد يكون DT_INT32 أو DT_INT64. - Density_Shapes: قائمة بالأشكال
num_dense؛ أشكال البيانات في كل ميزة مقدمة في Dens_keys (حيثnum_dense = dense_keys.size()). يجب أن يكون عدد العناصر في الميزة المقابلة لـ Density_key[j] مساويًا دائمًا لكثافة_الأشكال[j].NumEntries(). إذا كانت الكثيفة الأشكال [j] == (D0، D1، ...، DN) فإن شكل قيم Tensor الكثيفة للإخراج [j] سيكون (|متسلسل|، D0، D1، ...، DN): النواتج الكثيفة هي فقط صف المدخلات مكدس حسب الدفعة. يعمل هذا مع الكثيفة_الأشكال[j] = (-1, D1, ..., DN). في هذه الحالة، سيكون شكل Tensor الكثيف_القيم[j] هو (|serialized|, M, D1, .., DN)، حيث M هو الحد الأقصى لعدد كتل العناصر ذات الطول D1 * .... * DN ، عبر جميع إدخالات الدفعة الصغيرة في الإدخال. أي إدخال دفعة صغيرة يحتوي على كتل أقل من M من العناصر ذات الطول D1 * ... * سيتم تعبئة DN بالعنصر العددي ذو القيمة الافتراضية المقابلة على طول البعد الثاني.
العوائد:
-
OutputListsparse_indices -
OutputListsparse_values -
OutputListSparse_shapes -
OutputListكثيفة_القيم -
OutputListragged_values -
OutputListragged_row_splits
البنائين والمدمرين | |
|---|---|
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) |
الصفات العامة | |
|---|---|
dense_values | |
operation | |
ragged_row_splits | |
ragged_values | |
sparse_indices | |
sparse_shapes | |
sparse_values | |
الصفات العامة
القيم الكثيفة
::tensorflow::OutputList dense_values
عملية
Operation operation
ragged_row_splits
::tensorflow::OutputList ragged_row_splits
ragged_values
::tensorflow::OutputList ragged_values
-sparse_indices
::tensorflow::OutputList sparse_indices
sparse_shapes
::tensorflow::OutputList sparse_shapes
-sparse_values
::tensorflow::OutputList sparse_values
الوظائف العامة
نموذج التحليل V2
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 )
إنّ محتوى هذه الصفحة مرخّص بموجب ترخيص Creative Commons Attribution 4.0 ما لم يُنصّ على خلاف ذلك، ونماذج الرموز مرخّصة بموجب ترخيص Apache 2.0. للاطّلاع على التفاصيل، يُرجى مراجعة سياسات موقع Google Developers. إنّ Java هي علامة تجارية مسجَّلة لشركة Oracle و/أو شركائها التابعين.
تاريخ التعديل الأخير: 2025-07-27 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2025-07-27 (حسب التوقيت العالمي المتفَّق عليه)"],[],[],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/r2.2/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/r2.2/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/r2.2/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/r2.2/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/r2.2/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/r2.2/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/r2.2/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/r2.2/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope)` & scope, ::`[tensorflow::Input](/versions/r2.2/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` serialized, ::`[tensorflow::Input](/versions/r2.2/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` names, ::`[tensorflow::Input](/versions/r2.2/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` sparse_keys, ::`[tensorflow::Input](/versions/r2.2/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` dense_keys, ::`[tensorflow::Input](/versions/r2.2/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` ragged_keys, ::`[tensorflow::InputList](/versions/r2.2/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/r2.2/api_docs/cc/group/core#group__core_1gab449e6a3abd500c2f4ea93f9e89ba96c) |\n| [operation](#classtensorflow_1_1ops_1_1_parse_example_v2_1a514d8b2a197c9df22325d12a3b74a46f) | [Operation](/versions/r2.2/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/r2.2/api_docs/cc/group/core#group__core_1gab449e6a3abd500c2f4ea93f9e89ba96c) |\n| [ragged_values](#classtensorflow_1_1ops_1_1_parse_example_v2_1a67d9cc60e2546f180462bf8f61299b41) | `::`[tensorflow::OutputList](/versions/r2.2/api_docs/cc/group/core#group__core_1gab449e6a3abd500c2f4ea93f9e89ba96c) |\n| [sparse_indices](#classtensorflow_1_1ops_1_1_parse_example_v2_1a0c78755e58595fadb6b7989979fbd03e) | `::`[tensorflow::OutputList](/versions/r2.2/api_docs/cc/group/core#group__core_1gab449e6a3abd500c2f4ea93f9e89ba96c) |\n| [sparse_shapes](#classtensorflow_1_1ops_1_1_parse_example_v2_1a272ff8e836298c301eb6694d25fb070d) | `::`[tensorflow::OutputList](/versions/r2.2/api_docs/cc/group/core#group__core_1gab449e6a3abd500c2f4ea93f9e89ba96c) |\n| [sparse_values](#classtensorflow_1_1ops_1_1_parse_example_v2_1a6b6a124a63884bcf1a02968c7caf0073) | `::`[tensorflow::OutputList](/versions/r2.2/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```"]]