کلاس نهایی عمومی ExperimentalParseExampleDataset
«مجموعه داده‌های ورودی» حاوی پروتوهای «نمونه» را به عنوان بردارهای DT_STRING به مجموعه داده‌ای از اشیاء «Tensor» یا «SparseTensor» تبدیل می‌کند که نمایانگر ویژگی‌های تجزیه‌شده است.
کلاس های تو در تو
| کلاس | ExperimentalParseExampleDataset.Options | ویژگی های اختیاری برای ExperimentalParseExampleDataset | |
روش های عمومی
| خروجی <Object> | asOutput () دسته نمادین یک تانسور را برمی‌گرداند. |
| Static ExperimentalParseExampleDataset | ایجاد ( محدوده دامنه، عملوند <?> مجموعه داده ورودی، عملوند <Long> numParallelCalls، تکرارپذیر< عملوند <?>> denseDefaults، List<String> sparseKeys، List<String> denseKeys، List<Class<?>> sparseTypes ، List< > denseShapes، List<Class<?>> outputTypes، List< Shape > outputShapes، Options... گزینه ها) روش کارخانه برای ایجاد کلاسی که یک عملیات ExperimentalParseExampleDataset جدید را بسته بندی می کند. |
| خروجی <?> | دسته () |
| استاتیک ExperimentalParseExampleDataset.Options | شلخته (درخت بولی) |
روش های ارثی
روش های عمومی
خروجی عمومی <Object> asOutput ()
دسته نمادین یک تانسور را برمی‌گرداند.
ورودی های عملیات TensorFlow خروجی های عملیات تنسورفلو دیگر هستند. این روش برای به دست آوردن یک دسته نمادین که نشان دهنده محاسبه ورودی است استفاده می شود.
عمومی ایستا ExperimentalParseExampleDataset ایجاد ( scope scope, Operand <?> inputDataset , Operand <Long> numParallelCalls, Iterable < Operand <?>> denseDefaults, List<String> sparseKeys, List<String> denseKeys,List<String> dense?Ty>List<Class<?Ty>List<. List< Shape > denseShapes، List<Class<?>> outputTypes، List< Shape > outputShapes، Options... گزینه ها)
روش کارخانه برای ایجاد کلاسی که یک عملیات ExperimentalParseExampleDataset جدید را بسته بندی می کند.
مولفه های
| محدوده | محدوده فعلی |
|---|---|
| denseDefaults | کلیدهای رشته نگاشت دستوری به «Tensor». کلیدهای dict باید با کلیدهای متراکم ویژگی مطابقت داشته باشند. |
| کلیدهای پراکنده | لیستی از کلیدهای رشته ای در ویژگی های نمونه. نتایج این کلیدها به عنوان اشیاء «SparseTensor» برگردانده می‌شوند. |
| کلیدهای متراکم | فهرستی از تانسورهای رشته Ndense (اسکالرها). کلیدهای مورد انتظار در مثال‌ها ویژگی‌های مرتبط با مقادیر متراکم هستند. |
| انواع پراکنده | فهرستی از «DTypes» با طول «sparse_keys». فقط tf.float32 ('FloatList')، tf.int64 ('Int64List') و tf.string ('BytesList') پشتیبانی می شوند. |
| شکل های متراکم | فهرستی از تاپل ها با طول «کلیدهای متراکم». شکل داده‌ها برای هر ویژگی متراکم که توسط «کلیدهای متراکم» ارجاع می‌شود. برای هر تانسور ورودی که با «کلیدهای_متراکم» شناسایی می‌شود، لازم است. باید یا کاملاً تعریف شده باشد، یا ممکن است شامل یک بعد اول ناشناخته باشد. بعد اول ناشناخته به این معنی است که ویژگی دارای تعداد متغیر بلوک است و شکل خروجی در امتداد این بعد در زمان ساخت نمودار ناشناخته در نظر گرفته می شود. بالشتک برای عناصر minibatch کوچکتر از حداکثر تعداد بلوک برای ویژگی داده شده در طول این بعد اعمال می شود. |
| انواع خروجی | لیست نوع برای مقادیر بازگشتی. |
| خروجی شکل ها | لیست اشکال در حال تولید |
| گزینه ها | مقادیر ویژگی های اختیاری را حمل می کند |
برمی گرداند
- یک نمونه جدید از ExperimentalParseExampleDataset
کلاس نهایی عمومی ExperimentalParseExampleDataset
«مجموعه داده‌های ورودی» حاوی پروتوهای «نمونه» را به عنوان بردارهای DT_STRING به مجموعه داده‌ای از اشیاء «Tensor» یا «SparseTensor» تبدیل می‌کند که نمایانگر ویژگی‌های تجزیه‌شده است.
کلاس های تو در تو
| کلاس | ExperimentalParseExampleDataset.Options | ویژگی های اختیاری برای ExperimentalParseExampleDataset | |
روش های عمومی
| خروجی <Object> | asOutput () دسته نمادین یک تانسور را برمی‌گرداند. |
| Static ExperimentalParseExampleDataset | ایجاد ( محدوده دامنه، عملوند <?> مجموعه داده ورودی، عملوند <Long> numParallelCalls، تکرارپذیر< عملوند <?>> denseDefaults، List<String> sparseKeys، List<String> denseKeys، List<Class<?>> sparseTypes ، List< > denseShapes، List<Class<?>> outputTypes، List< Shape > outputShapes، Options... گزینه ها) روش کارخانه برای ایجاد کلاسی که یک عملیات ExperimentalParseExampleDataset جدید را بسته بندی می کند. |
| خروجی <?> | دسته () |
| استاتیک ExperimentalParseExampleDataset.Options | شلخته (درخت بولی) |
روش های ارثی
روش های عمومی
خروجی عمومی <Object> asOutput ()
دسته نمادین یک تانسور را برمی‌گرداند.
ورودی های عملیات TensorFlow خروجی های عملیات تنسورفلو دیگر هستند. این روش برای به دست آوردن یک دسته نمادین که نشان دهنده محاسبه ورودی است استفاده می شود.
عمومی ایستا ExperimentalParseExampleDataset ایجاد ( scope scope, Operand <?> inputDataset , Operand <Long> numParallelCalls, Iterable < Operand <?>> denseDefaults, List<String> sparseKeys, List<String> denseKeys,List<String> dense?Ty>List<Class<?Ty>List<. List< Shape > denseShapes، List<Class<?>> outputTypes، List< Shape > outputShapes، Options... گزینه ها)
روش کارخانه برای ایجاد کلاسی که یک عملیات ExperimentalParseExampleDataset جدید را بسته بندی می کند.
مولفه های
| محدوده | محدوده فعلی |
|---|---|
| denseDefaults | کلیدهای رشته نگاشت دستوری به «Tensor». کلیدهای dict باید با کلیدهای متراکم ویژگی مطابقت داشته باشند. |
| کلیدهای پراکنده | لیستی از کلیدهای رشته ای در ویژگی های نمونه. نتایج این کلیدها به عنوان اشیاء «SparseTensor» برگردانده می‌شوند. |
| کلیدهای متراکم | فهرستی از تانسورهای رشته Ndense (اسکالرها). کلیدهای مورد انتظار در مثال‌ها ویژگی‌های مرتبط با مقادیر متراکم هستند. |
| انواع پراکنده | فهرستی از «DTypes» با طول «sparse_keys». فقط tf.float32 ('FloatList')، tf.int64 ('Int64List') و tf.string ('BytesList') پشتیبانی می شوند. |
| شکل های متراکم | فهرستی از تاپل ها با طول «کلیدهای متراکم». شکل داده‌ها برای هر ویژگی متراکم که توسط «کلیدهای متراکم» ارجاع می‌شود. برای هر تانسور ورودی که با «کلیدهای_متراکم» شناسایی می‌شود، لازم است. باید یا کاملاً تعریف شده باشد، یا ممکن است شامل یک بعد اول ناشناخته باشد. بعد اول ناشناخته به این معنی است که ویژگی دارای تعداد متغیر بلوک است و شکل خروجی در امتداد این بعد در زمان ساخت نمودار ناشناخته در نظر گرفته می شود. بالشتک برای عناصر minibatch کوچکتر از حداکثر تعداد بلوک برای ویژگی داده شده در طول این بعد اعمال می شود. |
| انواع خروجی | لیست نوع برای مقادیر بازگشتی. |
| خروجی شکل ها | لیست اشکال در حال تولید |
| گزینه ها | مقادیر ویژگی های اختیاری را حمل می کند |
برمی گرداند
- یک نمونه جدید از ExperimentalParseExampleDataset