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
  • serialized: Sebuah vektor yang berisi sekumpulan proto contoh serial biner.
  • nama: Sebuah vektor yang berisi nama-nama proto serial. 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, vektor ini harus sama panjangnya dengan "berseri".
  • sparse_keys: Daftar Tensor string Nsparse (skalar). Kunci yang diharapkan dalam fitur Contoh yang terkait dengan nilai jarang.
  • density_keys: Daftar Tensor string Ndense (skalar). Kunci yang diharapkan dalam fitur Contoh yang terkait dengan nilai padat.
  • density_defaults: Daftar Ndense Tensor (beberapa mungkin kosong). 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.
  • sparse_types: Daftar tipe Nsparse; 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).
  • density_shapes: Daftar bentuk Ndense; bentuk data di setiap Fitur yang diberikan dalam density_keys. 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

Konstruktor dan Destructor

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_indexes

::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
)