flusso tensoriale:: operazioni:: Esempio di analisi

#include <parsing_ops.h>

Trasforma un vettore di brain.Example protos (come stringhe) in tensori tipizzati.

Riepilogo

Argomenti:

  • ambito: un oggetto ambito
  • serializzato: un vettore contenente un batch di prototipi di esempio serializzati binari.
  • nomi: un vettore contenente i nomi dei prototipi serializzati. Può contenere, ad esempio, nomi di chiavi di tabella (descrittivi) per i prototipi serializzati corrispondenti. Questi sono puramente utili per scopi 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 è vuoto, questo vettore deve avere la stessa lunghezza di "serializzato".
  • sparse_keys: un elenco di tensori di stringhe Nsparse (scalari). Le chiavi previste nelle funzionalità degli Esempi associate a valori sparsi.
  • dense_keys: un elenco di tensori di stringhe Ndense (scalari). Le chiavi previste nelle caratteristiche degli Esempi associate a valori densi.
  • dense_defaults: un elenco di tensori Ndensi (alcuni potrebbero essere vuoti). dense_defaults[j] fornisce valori predefiniti quando la feature_map dell'esempio manca di dense_key[j]. Se viene fornito un Tensor vuoto per dense_defaults[j], allora è richiesta la caratteristica 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 maggiore non definita (variabile strides dense feature), dense_defaults[j] deve contenere un singolo elemento: l'elemento padding.
  • sparse_types: un elenco di tipi Nsparse; i tipi di dati dei dati in ciascuna caratteristica forniti in sparse_keys. Attualmente ParseExample supporta DT_FLOAT (FloatList), DT_INT64 (Int64List) e DT_STRING (BytesList).
  • dense_shapes: un elenco di forme Ndense; le forme dei dati in ciascuna caratteristica data in dense_keys. Il numero di elementi nella caratteristica corrispondente a dense_key[j] deve sempre essere uguale a dense_shapes[j].NumEntries(). Se dense_shapes[j] == (D0, D1, ..., DN) allora la forma dell'output Tensor dense_values[j] sarà (|serialized|, D0, D1, ..., DN): le uscite dense sono solo gli input impilati per righe per batch. Funziona per dense_shapes[j] = (-1, D1, ..., DN). In questo caso la forma dell'output Tensor dense_values[j] sarà (|serialized|, M, D1, .., DN), dove M è il numero massimo di blocchi di elementi di lunghezza D1 * .... * DN , in tutte le voci minibatch nell'input. Qualsiasi voce minibatch con meno di M blocchi di elementi di lunghezza D1 * ... * DN verrà riempita con l'elemento scalare default_value corrispondente lungo la seconda dimensione.

Ritorna:

  • OutputList sparse_indices
  • OutputList valori_sparsi
  • OutputList sparse_shapes
  • OutputList valori_densi

Costruttori e Distruttori

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)

Attributi pubblici

dense_values
operation
sparse_indices
sparse_shapes
sparse_values

Attributi pubblici

valori_densi

::tensorflow::OutputList dense_values

operazione

Operation operation

sparse_indici

::tensorflow::OutputList sparse_indices

sparse_shapes

::tensorflow::OutputList sparse_shapes

valori_sparsi

::tensorflow::OutputList sparse_values

Funzioni pubbliche

Esempio di analisi

 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
)