tensorflow::ops::ParseExampleV2

#include <parsing_ops.h>

Trasforma un vettore di proto tf.Example (come stringhe) in tensori tipizzati.

Riepilogo

Argomentazioni:

  • ambito: un oggetto Scope
  • serializzato: uno scalare o un vettore contenente dati binari serializzati. Esempio protos.
  • nomi: Un tensore contenente i nomi dei proto serializzati. Corrisponde 1:1 al tensore serialized . Può contenere, ad esempio, i nomi delle chiavi di tabella (descrittivi) per i corrispondenti proto serializzati. Questi sono utili esclusivamente a scopo di debug e la presenza di valori qui non ha alcun effetto sull'output. Può anche essere un vettore vuoto se non sono disponibili nomi. Se non vuoto, questo tensore deve avere la stessa forma di "serializzato".
  • sparse_keys: Vettore di stringhe. Le chiavi previste nelle caratteristiche degli esempi associate a valori sparsi.
  • dense_keys: Vettore di stringhe. Le chiavi previste nelle caratteristiche degli esempi associate a valori densi.
  • ragged_keys: Vettore di stringhe. Le chiavi previste nelle caratteristiche degli esempi associate ai valori irregolari.
  • dense_defaults: Un elenco di tensori (alcuni possono essere vuoti). Corrisponde 1:1 a dense_keys . dense_defaults[j] fornisce valori predefiniti quando la feature_map dell'esempio non contiene dense_key[j]. Se viene fornito un tensore vuoto per dense_defaults[j], è richiesta la feature dense_keys[j]. Il tipo di input viene dedotto da dense_defaults[j], anche quando è vuoto. Se dense_defaults[j] non è vuoto e dense_shapes[j] è completamente definito, la forma di dense_defaults[j] deve corrispondere a quella di dense_shapes[j]. Se dense_shapes[j] ha una dimensione principale non definita (feature densa a passi variabili), dense_defaults[j] deve contenere un singolo elemento: l'elemento di padding.
  • num_sparse: Il numero di chiavi sparse.
  • sparse_types: Un elenco di num_sparse tipi; i tipi di dati dei dati in ogni Feature specificata in sparse_keys. Attualmente ParseExample supporta DT_FLOAT (FloatList), DT_INT64 (Int64List) e DT_STRING (BytesList).
  • ragged_value_types: Un elenco di num_ragged tipi; i tipi di dati dei dati in ogni Feature specificati in ragged_keys (dove num_ragged = sparse_keys.size() ). Attualmente ParseExample supporta DT_FLOAT (FloatList), DT_INT64 (Int64List) e DT_STRING (BytesList).
  • ragged_split_types: Un elenco di num_ragged types; i tipi di dati di row_splits in ogni Feature specificata in ragged_keys (dove num_ragged = sparse_keys.size() ). Può essere DT_INT32 o DT_INT64.
  • dense_shapes: Un elenco di num_dense forme; le forme dei dati in ogni Feature specificata in dense_keys (dove num_dense = dense_keys.size() ). Il numero di elementi nella Feature corrispondente a dense_key[j] deve essere sempre uguale a dense_shapes[j].NumEntries(). Se dense_shapes[j] == (D0, D1, ..., DN), la forma del tensore di output dense_values[j] sarà (|serialized|, D0, D1, ..., DN): gli output densi sono semplicemente gli input impilati riga per riga per batch. Questo funziona per dense_shapes[j] = (-1, D1, ..., DN). In questo caso la forma del tensore di output dense_values[j] sarà (|serialized|, M, D1, ..., DN), dove M è il numero massimo di blocchi di elementi di lunghezza D1 * .... * DN, su tutte le voci minibatch nell'input. Qualsiasi voce minibatch con meno di M blocchi di elementi di lunghezza D1 * ... * DN verrà riempita con il corrispondente elemento scalare default_value lungo la seconda dimensione.

Resi:

  • OutputList indici sparsi
  • OutputList sparse_values
  • OutputList sparse_shapes
  • OutputList dense_values
  • OutputList valori_fraggy
  • OutputList fraged_row_splits

Costruttori e distruttori

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)

attributi pubblici

dense_values
operation
ragged_row_splits
ragged_values
sparse_indices
sparse_shapes
sparse_values

attributi pubblici

valori densi 

::tensorflow::OutputList dense_values

operazione 

Operation operation

fratture_di_righe_sfregate 

::tensorflow::OutputList ragged_row_splits

valori irregolari 

::tensorflow::OutputList ragged_values

indici sparsi 

::tensorflow::OutputList sparse_indices

forme sparse 

::tensorflow::OutputList sparse_shapes

valori sparsi 

::tensorflow::OutputList sparse_values

Funzioni pubbliche

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
)