aliran tensor:: operasi:: ParseContoh

#include <parsing_ops.h>

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

Ringkasan

Argumen:

  • ruang lingkup: Objek Lingkup
  • berseri: Sebuah vektor yang berisi kumpulan proto Contoh berseri biner.
  • nama: Sebuah vektor yang berisi nama-nama proto yang diserialkan. Mungkin 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 berupa vektor kosong jika tidak ada nama yang tersedia. Jika tidak kosong, vektor ini harus sama panjangnya dengan "berseri".
  • sparse_keys: Daftar Tensor string Nsparse (skalar). Kunci yang diharapkan dalam fitur Contoh terkait dengan nilai renggang.
  • solid_keys: Daftar Tensor string Ndense (skalar). Kunci yang diharapkan dalam fitur Contoh terkait dengan nilai padat.
  • padat_defaults: Daftar Tensor Ndense (beberapa mungkin kosong). 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.
  • sparse_types: Daftar tipe Nsparse; tipe data data di setiap Fitur yang diberikan di sparse_keys. Saat ini ParseExample mendukung DT_FLOAT (FloatList), DT_INT64 (Int64List), dan DT_STRING (BytesList).
  • solid_shapes: Daftar bentuk Ndense; bentuk data di setiap Fitur yang diberikan di solid_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 (|berseri|, D0, D1, ..., DN): Keluaran padatnya adalah hanya baris input yang ditumpuk secara batch. Ini berfungsi untuk bentuk_padat[j] = (-1, D1, ..., DN). Dalam hal ini bentuk keluaran Tensor solid_values[j] adalah (|serialized|, M, D1, .., DN), dengan M adalah jumlah maksimum blok elemen dengan panjang D1 * .... * DN , di semua entri minibatch di input. Setiap entri minibatch dengan elemen kurang dari M blok 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 nilai_padat

Konstruktor dan Destruktor

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)

Atribut publik

dense_values
operation
sparse_indices
sparse_shapes
sparse_values

Atribut publik

nilai_padat 

::tensorflow::OutputList dense_values

operasi 

Operation operation

sparse_indices 

::tensorflow::OutputList sparse_indices

sparse_shapes 

::tensorflow::OutputList sparse_shapes

nilai_jarang 

::tensorflow::OutputList sparse_values

Fungsi publik

ParseContoh 

 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
)