aliran tensor:: operasi:: ParseContohV2

#include <parsing_ops.h>

Mengubah vektor tf.Contoh proto (sebagai string) menjadi tensor yang diketik.

Ringkasan

Argumen:

  • ruang lingkup: Objek Lingkup
  • serialized: Sebuah skalar atau vektor yang mengandung biner serial Contoh protos.
  • nama: Tensor yang berisi nama-nama proto serial. Sesuai 1:1 dengan tensor serialized . Dapat berisi, misalnya, nama kunci tabel (deskriptif) untuk proto serial yang sesuai. Ini murni berguna untuk tujuan debugging, dan keberadaan nilai di sini tidak berpengaruh pada output. Mungkin juga vektor kosong jika tidak ada nama yang tersedia. Jika tidak kosong, tensor ini harus memiliki bentuk yang sama dengan "berseri".
  • sparse_keys: Vektor string. Kunci yang diharapkan dalam fitur Contoh yang terkait dengan nilai jarang.
  • padat_keys: Vektor string. Kunci yang diharapkan dalam fitur Contoh yang terkait dengan nilai padat.
  • ragged_keys: Vektor string. Kunci yang diharapkan dalam fitur Contoh yang terkait dengan nilai kasar.
  • density_defaults: Daftar Tensor (beberapa mungkin kosong). Sesuai dengan 1:1 dengan dense_keys . density_defaults[j] memberikan nilai default ketika feature_map contoh tidak memiliki density_key[j]. Jika Tensor kosong disediakan untuk density_defaults[j], maka Feature density_keys[j] diperlukan. Jenis input disimpulkan dari density_defaults[j], meskipun kosong. Jika density_defaults[j] tidak kosong, dan density_shapes[j] didefinisikan sepenuhnya, maka bentuk density_defaults[j] harus sesuai dengan bentuk density_shapes[j]. Jika density_shapes[j] memiliki dimensi utama yang tidak ditentukan (fitur padat langkah variabel), density_defaults[j] harus berisi satu elemen: elemen padding.
  • num_sparse: Jumlah kunci jarang.
  • sparse_types: Daftar jenis num_sparse ; tipe data data di setiap Fitur yang diberikan dalam sparse_keys. Saat ini ParseExample mendukung DT_FLOAT (FloatList), DT_INT64 (Int64List), dan DT_STRING (BytesList).
  • ragged_value_types: Daftar tipe num_ragged ; tipe data data di setiap Fitur yang diberikan dalam ragged_keys (di mana num_ragged = sparse_keys.size() ). Saat ini ParseExample mendukung DT_FLOAT (FloatList), DT_INT64 (Int64List), dan DT_STRING (BytesList).
  • ragged_split_types: Daftar tipe num_ragged ; tipe data row_splits di setiap Fitur yang diberikan dalam ragged_keys (di mana num_ragged = sparse_keys.size() ). Mungkin DT_INT32 atau DT_INT64.
  • density_shapes: Daftar bentuk num_dense ; bentuk data di setiap Fitur yang diberikan dalam density_keys (di mana num_dense = dense_keys.size() ). Jumlah elemen dalam Fitur yang terkait dengan density_key[j] harus selalu sama dengan density_shapes[j].NumEntries(). Jika density_shapes[j] == (D0, D1, ..., DN) maka bentuk output Tensor density_values[j] akan menjadi (|serialized|, D0, D1, ..., DN): Output padat adalah hanya input yang ditumpuk berdasarkan batch. Ini berfungsi untuk density_shapes[j] = (-1, D1, ..., DN). Dalam hal ini bentuk output Tensor density_values[j] akan menjadi (|serialized|, M, D1, .., DN), di mana M adalah jumlah maksimum blok elemen dengan panjang D1 * .... * DN , di semua entri minibatch di input. Setiap entri minibatch dengan kurang dari M blok elemen dengan panjang D1 * ... * DN akan diisi dengan elemen skalar default_value yang sesuai di sepanjang dimensi kedua.

Pengembalian:

  • OutputList sparse_indices
  • OutputList sparse_values
  • OutputList sparse_shapes
  • OutputList density_values
  • OutputList ragged_values
  • OutputList ragged_row_splits

Konstruktor dan Destructor

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)

Atribut publik

dense_values
operation
ragged_row_splits
ragged_values
sparse_indices
sparse_shapes
sparse_values

Atribut publik

nilai_padat

::tensorflow::OutputList dense_values

operasi

Operation operation

ragged_row_splits

::tensorflow::OutputList ragged_row_splits

ragged_values

::tensorflow::OutputList ragged_values

sparse_indexes

::tensorflow::OutputList sparse_indices

sparse_shapes

::tensorflow::OutputList sparse_shapes

nilai_jarang

::tensorflow::OutputList sparse_values

Fungsi publik

ParseContohV2

 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
)