सार्वजनिक अंतिम वर्ग
`input_dataset` में `उदाहरण` प्रोटोस को DT_STRING के वैक्टर के रूप में `टेन्सर` या `स्पार्सटेन्सर` ऑब्जेक्ट के डेटासेट में पार्स की गई सुविधाओं का प्रतिनिधित्व करता है।
नेस्टेड कक्षाएं
| कक्षा | प्रायोगिक ParseExampleDataset.Options | ExperimentalParseExampleDataset ParseExampleDataset के लिए वैकल्पिक विशेषताएँ | |
सार्वजनिक तरीके
| आउटपुट <ऑब्जेक्ट> | आउटपुट के रूप में () टेंसर का प्रतीकात्मक हैंडल लौटाता है। |
| स्थिर प्रायोगिक पार्सउदाहरणडेटासेट | create ( स्कोप स्कोप, ऑपरेंड <?> इनपुटडेटासेट, ऑपरेंड <लॉन्ग> numParallelCalls, Iterable< ऑपरेंड <?>> डेंसडिफॉल्ट्स, लिस्ट <स्ट्रिंग> स्पार्सकी, लिस्ट <स्ट्रिंग> डेंसकी, लिस्ट <क्लास <?>> स्पार्स टाइप, लिस्ट < शेप > सघन आकार, सूची <वर्ग<?>> आउटपुट प्रकार, सूची < आकार > आउटपुट आकार, विकल्प ... विकल्प) एक नया प्रायोगिक ParseExampleDataset ऑपरेशन रैपिंग क्लास बनाने के लिए फ़ैक्टरी विधि। |
| आउटपुट <?> | संभाल () |
| स्थिर प्रायोगिक ParseExampleDataset.Options | मैला (बूलियन मैला) |
विरासत में मिली विधियां
सार्वजनिक तरीके
सार्वजनिक आउटपुट <ऑब्जेक्ट> के रूप में आउटपुट ()
टेंसर का प्रतीकात्मक हैंडल लौटाता है।
TensorFlow संचालन के लिए इनपुट एक अन्य TensorFlow ऑपरेशन के आउटपुट हैं। इस पद्धति का उपयोग एक प्रतीकात्मक हैंडल प्राप्त करने के लिए किया जाता है जो इनपुट की गणना का प्रतिनिधित्व करता है।
सार्वजनिक स्थैतिक प्रायोगिक ParseExampleDataset ( स्कोप स्कोप, ऑपरेंड <?> इनपुटडेटासेट, ऑपरेंड <लॉन्ग> numParallelCalls, Iterable< ऑपरेंड <?>> डेंसडिफॉल्ट्स, लिस्ट <स्ट्रिंग> स्पार्सकी, लिस्ट <स्ट्रिंग> डेंसकी, लिस्ट <क्लास <?>> स्पार्स टाइप्स, सूची < आकार > सघन आकार, सूची <वर्ग <?>> आउटपुट प्रकार, सूची < आकार > आउटपुट आकार, विकल्प ... विकल्प)
एक नया प्रायोगिक ParseExampleDataset ऑपरेशन रैपिंग क्लास बनाने के लिए फ़ैक्टरी विधि।
मापदंडों
| दायरा | वर्तमान दायरा |
|---|---|
| सघन चूक | 'टेन्सर' के लिए एक तानाशाही मैपिंग स्ट्रिंग कुंजियाँ। तानाशाही की कुंजियों को सुविधा के सघन_की से मेल खाना चाहिए। |
| विरल कुंजी | उदाहरण सुविधाओं में स्ट्रिंग कुंजियों की एक सूची। इन कुंजियों के परिणाम `SparseTensor` ऑब्जेक्ट के रूप में लौटाए जाएंगे। |
| सघनकुंजी | Ndense स्ट्रिंग Tensors (स्केलर) की एक सूची। उदाहरण सुविधाओं में अपेक्षित कुंजियाँ सघन मानों से जुड़ी हैं। |
| विरल प्रकार | `sparse_keys` के समान लंबाई के `DTypes` की सूची। केवल tf.float32 (`FloatList`), tf.int64 (`Int64List`), और tf.string (`BytesList`) समर्थित हैं। |
| सघन आकार | `dense_keys` के समान लंबाई वाले टुपल्स की सूची। प्रत्येक सघन विशेषता के लिए डेटा का आकार `dense_keys` द्वारा संदर्भित है। `dense_keys` द्वारा पहचाने गए किसी भी इनपुट टेंसर के लिए आवश्यक है। या तो पूरी तरह से परिभाषित होना चाहिए, या इसमें एक अज्ञात प्रथम आयाम हो सकता है। एक अज्ञात प्रथम आयाम का अर्थ है कि सुविधा को ब्लॉकों की एक चर संख्या के रूप में माना जाता है, और इस आयाम के साथ आउटपुट आकार को ग्राफ़ निर्माण समय पर अज्ञात माना जाता है। इस आयाम के साथ दी गई सुविधा के लिए ब्लॉक की अधिकतम संख्या से छोटे मिनीबैच तत्वों के लिए पैडिंग लागू की जाती है। |
| आउटपुट प्रकार | वापसी मूल्यों के लिए प्रकार सूची। |
| आउटपुट आकार: | उत्पादित की जा रही आकृतियों की सूची। |
| विकल्प | वैकल्पिक विशेषता मान रखता है |
रिटर्न
- प्रायोगिक ParseExampleDataset का एक नया उदाहरण
सार्वजनिक अंतिम वर्ग
`input_dataset` में `उदाहरण` प्रोटोस को DT_STRING के वैक्टर के रूप में `टेन्सर` या `स्पार्सटेन्सर` ऑब्जेक्ट के डेटासेट में पार्स की गई सुविधाओं का प्रतिनिधित्व करता है।
नेस्टेड कक्षाएं
| कक्षा | प्रायोगिक ParseExampleDataset.Options | ExperimentalParseExampleDataset ParseExampleDataset के लिए वैकल्पिक विशेषताएँ | |
सार्वजनिक तरीके
| आउटपुट <ऑब्जेक्ट> | आउटपुट के रूप में () टेंसर का प्रतीकात्मक हैंडल लौटाता है। |
| स्थिर प्रायोगिक पार्सउदाहरणडेटासेट | create ( स्कोप स्कोप, ऑपरेंड <?> इनपुटडेटासेट, ऑपरेंड <लॉन्ग> numParallelCalls, Iterable< ऑपरेंड <?>> डेंसडिफॉल्ट्स, लिस्ट <स्ट्रिंग> स्पार्सकी, लिस्ट <स्ट्रिंग> डेंसकी, लिस्ट <क्लास <?>> स्पार्स टाइप, लिस्ट < शेप > सघन आकार, सूची <वर्ग<?>> आउटपुट प्रकार, सूची < आकार > आउटपुट आकार, विकल्प ... विकल्प) एक नया प्रायोगिक ParseExampleDataset ऑपरेशन रैपिंग क्लास बनाने के लिए फ़ैक्टरी विधि। |
| आउटपुट <?> | संभाल () |
| स्थिर प्रायोगिक ParseExampleDataset.Options | मैला (बूलियन मैला) |
विरासत में मिली विधियां
सार्वजनिक तरीके
सार्वजनिक आउटपुट <ऑब्जेक्ट> के रूप में आउटपुट ()
टेंसर का प्रतीकात्मक हैंडल लौटाता है।
TensorFlow संचालन के लिए इनपुट एक अन्य TensorFlow ऑपरेशन के आउटपुट हैं। इस पद्धति का उपयोग एक प्रतीकात्मक हैंडल प्राप्त करने के लिए किया जाता है जो इनपुट की गणना का प्रतिनिधित्व करता है।
सार्वजनिक स्थैतिक प्रायोगिक ParseExampleDataset ( स्कोप स्कोप, ऑपरेंड <?> इनपुटडेटासेट, ऑपरेंड <लॉन्ग> numParallelCalls, Iterable< ऑपरेंड <?>> डेंसडिफॉल्ट्स, लिस्ट <स्ट्रिंग> स्पार्सकी, लिस्ट <स्ट्रिंग> डेंसकी, लिस्ट <क्लास <?>> स्पार्स टाइप्स, सूची < आकार > सघन आकार, सूची <वर्ग <?>> आउटपुट प्रकार, सूची < आकार > आउटपुट आकार, विकल्प ... विकल्प)
एक नया प्रायोगिक ParseExampleDataset ऑपरेशन रैपिंग क्लास बनाने के लिए फ़ैक्टरी विधि।
मापदंडों
| दायरा | वर्तमान दायरा |
|---|---|
| सघन चूक | 'टेन्सर' के लिए एक तानाशाही मैपिंग स्ट्रिंग कुंजियाँ। तानाशाही की कुंजियों को सुविधा के सघन_की से मेल खाना चाहिए। |
| विरल कुंजी | उदाहरण सुविधाओं में स्ट्रिंग कुंजियों की एक सूची। इन कुंजियों के परिणाम `SparseTensor` ऑब्जेक्ट के रूप में लौटाए जाएंगे। |
| सघनकुंजी | Ndense स्ट्रिंग Tensors (स्केलर) की एक सूची। उदाहरण सुविधाओं में अपेक्षित कुंजियाँ सघन मानों से जुड़ी हैं। |
| विरल प्रकार | `sparse_keys` के समान लंबाई के `DTypes` की सूची। केवल tf.float32 (`FloatList`), tf.int64 (`Int64List`), और tf.string (`BytesList`) समर्थित हैं। |
| सघन आकार | `dense_keys` के समान लंबाई वाले टुपल्स की सूची। प्रत्येक सघन विशेषता के लिए डेटा का आकार `dense_keys` द्वारा संदर्भित है। `dense_keys` द्वारा पहचाने गए किसी भी इनपुट टेंसर के लिए आवश्यक है। या तो पूरी तरह से परिभाषित होना चाहिए, या इसमें एक अज्ञात प्रथम आयाम हो सकता है। एक अज्ञात प्रथम आयाम का अर्थ है कि सुविधा को ब्लॉकों की एक चर संख्या के रूप में माना जाता है, और इस आयाम के साथ आउटपुट आकार को ग्राफ़ निर्माण समय पर अज्ञात माना जाता है। इस आयाम के साथ दी गई सुविधा के लिए ब्लॉक की अधिकतम संख्या से छोटे मिनीबैच तत्वों के लिए पैडिंग लागू की जाती है। |
| आउटपुट प्रकार | वापसी मूल्यों के लिए प्रकार सूची। |
| आउटपुट आकार: | उत्पादित की जा रही आकृतियों की सूची। |
| विकल्प | वैकल्पिक विशेषता मान रखता है |
रिटर्न
- प्रायोगिक ParseExampleDataset का एक नया उदाहरण