Google I/O-তে টিউন করার জন্য ধন্যবাদ। চাহিদা অনুযায়ী সব সেশন দেখুন চাহিদা অনুযায়ী দেখুন

RaggedTensorFromVariant

পাবলিক চূড়ান্ত বর্গ RaggedTensorFromVariant

একটি `ভেরিয়েন্ট` টেনসরকে `র্যাগড টেনসর`-এ ডিকোড করে।

প্রদত্ত `ভেরিয়েন্ট` টেনসরকে ডিকোড করে এবং `র্যাগড টেনসর` প্রদান করে। ইনপুটটি একটি স্কেলার হতে পারে, যার অর্থ এটি একটি একক `RaggedTensor`কে ragged_rank `output_ragged_rank` সহ এনকোড করে। এটির একটি নির্বিচারে র‍্যাঙ্কও থাকতে পারে, এই ক্ষেত্রে প্রতিটি উপাদানকে র‍্যাগড_র‍্যাঙ্ক `ইনপুট_র্যাগড_র‍্যাঙ্ক` সহ একটি `র্যাগড টেনসর`-এ ডিকোড করা হয় এবং এগুলিকে ইনপুট আকৃতি অনুসারে স্ট্যাক করা হয় যাতে একটি একক `র্যাগড টেনসর` আউটপুট করা হয়। ইনপুট টেনসরের প্রতিটি `ভেরিয়েন্ট` এলিমেন্ট থেকে ডিকোড করা হয় একটি 1-D `ভেরিয়েন্ট` টেনসর থেকে `ইনপুট_র্যাগড_র্যাঙ্ক + 1` টেনসর, ডিকোড করা `RaggedTensor`-এর স্প্লিট এবং মানের সাথে সম্পর্কিত। যদি `ইনপুট_র্যাগড_র‍্যাঙ্ক` -1 হয়, তাহলে এটিকে `আউটপুট_র্যাগড_র্যাঙ্ক` - `র্যাঙ্ক(এনকোডেড_র্যাগড)` হিসাবে অনুমান করা হয়। সংশ্লিষ্ট এনকোডিং যুক্তির জন্য `RaggedTensorToVariant` দেখুন।

পাবলিক পদ্ধতি

স্ট্যাটিক <টি> RaggedTensorFromVariant <লং, টি>
তৈরি ( ব্যাপ্তি সুযোগ প্রতীক <?> encodedRagged, লং inputRaggedRank, লং outputRaggedRank ক্লাস <টি> Tvalues)
ডিফল্ট আউটপুট প্রকারগুলি ব্যবহার করে একটি নতুন RaggedTensorFromVariant অপারেশন মোড়ানো ক্লাস তৈরি করার কারখানার পদ্ধতি।
স্ট্যাটিক <u প্রসারিত নম্বর, টি> RaggedTensorFromVariant <u, টি>
তৈরি ( ব্যাপ্তি সুযোগ প্রতীক <?> encodedRagged, লং inputRaggedRank, লং outputRaggedRank ক্লাস <টি> Tvalues ক্লাস <u> Tsplits)
একটি নতুন RaggedTensorFromVariant অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি৷
আউটপুট <টি>
outputDenseValues ()
একটি টেনসর আউটপুট `RaggedTensor` এর মান উপস্থাপন করে।
তালিকা < আউটপুট <u >>
outputNestedSplits ()
আউটপুট `RaggedTensor` এর বিভাজন প্রতিনিধিত্বকারী এক বা একাধিক টেনসরের একটি তালিকা।

উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি

পাবলিক পদ্ধতি

পাবলিক স্ট্যাটিক RaggedTensorFromVariant <লং, টি> তৈরি করুন ( ব্যাপ্তি সুযোগ প্রতীক <?> encodedRagged, লং inputRaggedRank, লং outputRaggedRank ক্লাস <টি> Tvalues)

ডিফল্ট আউটপুট প্রকারগুলি ব্যবহার করে একটি নতুন RaggedTensorFromVariant অপারেশন মোড়ানো ক্লাস তৈরি করার কারখানার পদ্ধতি।

পরামিতি
সুযোগ বর্তমান সুযোগ
encodedRagged একটি `ভেরিয়েন্ট` টেনসর যাতে এনকোড করা `র্যাগড টেনসর` আছে।
inputRaggedRank ইনপুটে প্রতিটি এনকোড করা `RaggedTensor` উপাদানের র‍্যাগড র‍্যাঙ্ক। যদি -1 তে সেট করা হয়, এটিকে `output_ragged_rank` - `rank(encoded_ragged)` হিসেবে অনুমান করা হয়
outputRaggedRank আউটপুট `RaggedTensor` এর প্রত্যাশিত র্যাগড র‍্যাঙ্ক। নিম্নলিখিতগুলি অবশ্যই ধরে রাখতে হবে: `output_ragged_rank = rank(encoded_ragged) + input_ragged_rank`।
রিটার্নস
  • RaggedTensorFromVariant-এর একটি নতুন উদাহরণ

পাবলিক স্ট্যাটিক RaggedTensorFromVariant <u, টি> তৈরি করুন ( ব্যাপ্তি সুযোগ প্রতীক <?> encodedRagged, লং inputRaggedRank, লং outputRaggedRank ক্লাস <টি> Tvalues ক্লাস <u> Tsplits)

একটি নতুন RaggedTensorFromVariant অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি৷

পরামিতি
সুযোগ বর্তমান সুযোগ
encodedRagged একটি `ভেরিয়েন্ট` টেনসর যাতে এনকোড করা `র্যাগড টেনসর` আছে।
inputRaggedRank ইনপুটে প্রতিটি এনকোড করা `RaggedTensor` উপাদানের র‍্যাগড র‍্যাঙ্ক। যদি -1 তে সেট করা হয়, এটিকে `output_ragged_rank` - `rank(encoded_ragged)` হিসেবে অনুমান করা হয়
outputRaggedRank আউটপুট `RaggedTensor` এর প্রত্যাশিত র্যাগড র‍্যাঙ্ক। নিম্নলিখিতগুলি অবশ্যই ধরে রাখতে হবে: `output_ragged_rank = rank(encoded_ragged) + input_ragged_rank`।
রিটার্নস
  • RaggedTensorFromVariant-এর একটি নতুন উদাহরণ

পাবলিক আউটপুট <টি> outputDenseValues ()

একটি টেনসর আউটপুট `RaggedTensor` এর মান উপস্থাপন করে।

প্রকাশ্য তালিকা < আউটপুট <u >> outputNestedSplits ()

আউটপুট `RaggedTensor` এর বিভাজন প্রতিনিধিত্বকারী এক বা একাধিক টেনসরের একটি তালিকা।