সেভ করা পৃষ্ঠা গুছিয়ে রাখতে 'সংগ্রহ' ব্যবহার করুন
আপনার পছন্দ অনুযায়ী কন্টেন্ট সেভ করুন ও সঠিক বিভাগে রাখুন।
টেনসরফ্লো :: অপস:: DeserializeManySparse
#include <sparse_ops.h> একটি ক্রমিক মিনিব্যাচ থেকে SparseTensors ডিসিরিয়ালাইজ করুন এবং সংযুক্ত করুন।
সারাংশ
ইনপুট serialized_sparse আকৃতির একটি স্ট্রিং ম্যাট্রিক্স হতে হবে [N x 3] যেখানে N হল মিনিব্যাচের আকার এবং সারিগুলি SerializeSparse এর প্যাক করা আউটপুটগুলির সাথে মিলে যায়। মূল SparseTensor অবজেক্টের র্যাঙ্ক অবশ্যই সব মিলে যাবে। যখন চূড়ান্ত SparseTensor তৈরি করা হয়, তখন এটি আগত SparseTensor অবজেক্টের র্যাঙ্কের চেয়ে এক উচ্চতর র্যাঙ্ক করে (এগুলি একটি নতুন সারি মাত্রার সাথে সংযুক্ত করা হয়েছে)।
সমস্ত মাত্রার জন্য আউটপুট SparseTensor অবজেক্টের আকৃতির মান কিন্তু প্রথমটি সংশ্লিষ্ট মাত্রার জন্য ইনপুট SparseTensor অবজেক্টের আকৃতির মান জুড়ে সর্বোচ্চ। এর প্রথম আকৃতির মান হল N , মিনিব্যাচের আকার।
ইনপুট SparseTensor অবজেক্টের সূচকগুলিকে আদর্শ লেক্সিকোগ্রাফিক ক্রমানুসারে অনুমান করা হয়। যদি এটি না হয়, এই ধাপের পরে সূচী ক্রম পুনরুদ্ধার করতে SparseReorder চালান।
উদাহরণস্বরূপ, যদি ক্রমিক ইনপুট একটি [2 x 3] ম্যাট্রিক্স হয় যা দুটি মূল SparseTensor বস্তুর প্রতিনিধিত্ব করে:
index = [ 0]
[10]
[20]
values = [1, 2, 3]
shape = [50] এবং
index = [ 2]
[10]
values = [4, 5]
shape = [30] তারপর চূড়ান্ত ডিসিরিয়ালাইজড SparseTensor হবে:
index = [0 0]
[0 10]
[0 20]
[1 2]
[1 10]
values = [1, 2, 3, 4, 5]
shape = [2 50] যুক্তি:
- স্কোপ: একটি স্কোপ অবজেক্ট
- serialized_sparse: 2-D,
N সিরিয়ালাইজড SparseTensor অবজেক্ট। 3টি কলাম থাকতে হবে। - dtype: ক্রমানুসারে
SparseTensor অবজেক্টের dtype ।
রিটার্ন:
পাবলিক বৈশিষ্ট্য
পাবলিক ফাংশন
অন্য কিছু উল্লেখ না করা থাকলে, এই পৃষ্ঠার কন্টেন্ট Creative Commons Attribution 4.0 License-এর অধীনে এবং কোডের নমুনাগুলি Apache 2.0 License-এর অধীনে লাইসেন্স প্রাপ্ত। আরও জানতে, Google Developers সাইট নীতি দেখুন। Java হল Oracle এবং/অথবা তার অ্যাফিলিয়েট সংস্থার রেজিস্টার্ড ট্রেডমার্ক।
2025-07-27 UTC-তে শেষবার আপডেট করা হয়েছে।
[null,null,["2025-07-27 UTC-তে শেষবার আপডেট করা হয়েছে।"],[],[],null,["# tensorflow::ops::DeserializeManySparse Class Reference\n\ntensorflow::ops::DeserializeManySparse\n======================================\n\n`#include \u003csparse_ops.h\u003e`\n\nDeserialize and concatenate `SparseTensors` from a serialized minibatch.\n\nSummary\n-------\n\nThe input `serialized_sparse` must be a string matrix of shape `[N x 3]` where `N` is the minibatch size and the rows correspond to packed outputs of [SerializeSparse](/versions/r2.3/api_docs/cc/class/tensorflow/ops/serialize-sparse#classtensorflow_1_1ops_1_1_serialize_sparse). The ranks of the original `SparseTensor` objects must all match. When the final `SparseTensor` is created, it has rank one higher than the ranks of the incoming `SparseTensor` objects (they have been concatenated along a new row dimension).\n\nThe output `SparseTensor` object's shape values for all dimensions but the first are the max across the input `SparseTensor` objects' shape values for the corresponding dimensions. Its first shape value is `N`, the minibatch size.\n\nThe input `SparseTensor` objects' indices are assumed ordered in standard lexicographic order. If this is not the case, after this step run [SparseReorder](/versions/r2.3/api_docs/cc/class/tensorflow/ops/sparse-reorder#classtensorflow_1_1ops_1_1_sparse_reorder) to restore index ordering.\n\nFor example, if the serialized input is a `[2 x 3]` matrix representing two original `SparseTensor` objects: \n\n```text\nindex = [ 0]\n [10]\n [20]\nvalues = [1, 2, 3]\nshape = [50]\n```\n\n\u003cbr /\u003e\n\nand \n\n```text\nindex = [ 2]\n [10]\nvalues = [4, 5]\nshape = [30]\n```\n\n\u003cbr /\u003e\n\nthen the final deserialized `SparseTensor` will be: \n\n```text\nindex = [0 0]\n [0 10]\n [0 20]\n [1 2]\n [1 10]\nvalues = [1, 2, 3, 4, 5]\nshape = [2 50]\n```\n\n\u003cbr /\u003e\n\nArguments:\n\n- scope: A [Scope](/versions/r2.3/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope) object\n- serialized_sparse: 2-D, The `N` serialized `SparseTensor` objects. Must have 3 columns.\n- dtype: The `dtype` of the serialized `SparseTensor` objects.\n\n\u003cbr /\u003e\n\nReturns:\n\n- [Output](/versions/r2.3/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) sparse_indices\n- [Output](/versions/r2.3/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) sparse_values\n- [Output](/versions/r2.3/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) sparse_shape\n\n\u003cbr /\u003e\n\n| ### Constructors and Destructors ||\n|---|---|\n| [DeserializeManySparse](#classtensorflow_1_1ops_1_1_deserialize_many_sparse_1ab7cf9797d35b97c6d82e4000573b7839)`(const ::`[tensorflow::Scope](/versions/r2.3/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope)` & scope, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` serialized_sparse, DataType dtype)` ||\n\n| ### Public attributes ||\n|----------------------------------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------------|\n| [operation](#classtensorflow_1_1ops_1_1_deserialize_many_sparse_1ac7cd19536afb9e162240583e49e59e8d) | [Operation](/versions/r2.3/api_docs/cc/class/tensorflow/operation#classtensorflow_1_1_operation) |\n| [sparse_indices](#classtensorflow_1_1ops_1_1_deserialize_many_sparse_1a047caae64f0cea6d6dc1659d15bfe4b9) | `::`[tensorflow::Output](/versions/r2.3/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n| [sparse_shape](#classtensorflow_1_1ops_1_1_deserialize_many_sparse_1a248aaedf66a2ba1733b1f2e541c4d3e2) | `::`[tensorflow::Output](/versions/r2.3/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n| [sparse_values](#classtensorflow_1_1ops_1_1_deserialize_many_sparse_1a1047d48275c3140bedd5e8737af534f2) | `::`[tensorflow::Output](/versions/r2.3/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n\nPublic attributes\n-----------------\n\n### operation\n\n```text\nOperation operation\n``` \n\n### sparse_indices\n\n```scdoc\n::tensorflow::Output sparse_indices\n``` \n\n### sparse_shape\n\n```scdoc\n::tensorflow::Output sparse_shape\n``` \n\n### sparse_values\n\n```scdoc\n::tensorflow::Output sparse_values\n``` \n\nPublic functions\n----------------\n\n### DeserializeManySparse\n\n```gdscript\n DeserializeManySparse(\n const ::tensorflow::Scope & scope,\n ::tensorflow::Input serialized_sparse,\n DataType dtype\n)\n```"]]
