Advertencia: esta API está obsoleta y se eliminará en una versión futura de TensorFlow una vez que el reemplazo sea ​​estable.

RaggedTensorToTensor

RaggedTensorToTensor public final class

Crea un tensor denso a partir de un tensor irregular, posiblemente alterando su forma.

La operación `ragged_to_dense` crea un tensor denso a partir de una lista de tensores de partición de fila, un vector de valor y valores predeterminados. Si la forma no está especificada, se utilizará la forma mínima requerida para contener todos los elementos del tensor irregular (la forma natural). Si algunas dimensiones se dejan sin especificar, entonces el tamaño de la forma natural se usa en esa dimensión.

El valor_predeterminado se transmitirá a la forma de salida. Después de eso, los valores del tensor irregular sobrescriben los valores predeterminados. Tenga en cuenta que default_value debe tener menos dimensiones que el valor.

Los tensores de partición de filas están en el orden de las dimensiones. En la actualidad, los tipos pueden ser:

  • "ROW_SPLITS": el tensor row_splits del tensor irregular.
  • "VALUE_ROWIDS": el tensor value_rowids del tensor irregular.
  • "FIRST_DIM_SIZE": si value_rowids se usa para la primera dimensión, entonces está precedido por "FIRST_DIM_SIZE".

Métodos públicos

Salida <U>
asOutput ()
Devuelve el identificador simbólico de un tensor.
estática <U, T se extiende Número, V se extiende Número> RaggedTensorToTensor <U>
crear ( Alcance alcance, operando <T> forma, operando <u> valores, operando <u> defaultValue, Iterable < operando <V >> rowPartitionTensors, List <String> rowPartitionTypes)
Método de fábrica para crear una clase que envuelva una nueva operación RaggedTensorToTensor.
Salida <U>
resultar ()
El tensor denso resultante.

Métodos heredados

Métodos públicos

pública de salida <U> asOutput ()

Devuelve el identificador simbólico de un tensor.

Las entradas a las operaciones de TensorFlow son salidas de otra operación de TensorFlow. Este método se utiliza para obtener un identificador simbólico que representa el cálculo de la entrada.

public static RaggedTensorToTensor <U> crear ( Alcance alcance, operando <T> forma, operando <u> valores, operando <u> <defaultValue, Iterable operando <V >> rowPartitionTensors, List <String> rowPartitionTypes)

Método de fábrica para crear una clase que envuelva una nueva operación RaggedTensorToTensor.

Parámetros
alcance alcance actual
forma La forma deseada del tensor de salida. Si se deja sin especificar (vacío), se utilizará la forma mínima requerida para contener todos los elementos del tensor irregular (la forma natural). Si algunas dimensiones se dejan sin especificar, entonces el tamaño de la forma natural se usa en esa dimensión.

Tenga en cuenta que las dimensiones densas no se pueden modificar mediante el argumento de forma. Intentar cambiar el tamaño de una dimensión densa hará que la operación falle. Ejemplos: forma natural: [4, 5, 6] forma: -1 forma de salida: [4, 5, 6]

forma natural: [4, 5, 6] forma: [3, -1, 2] forma de salida: [3, 5, 2]

forma natural: [4, 5, 6] forma: [3, 7, 2] forma de salida: [3, 7, 2]

valores Un tensor 1D que representa los valores del tensor irregular.
valor por defecto El valor_predeterminado cuando la forma es más grande que el tensor irregular. El valor_predeterminado se transmite hasta que tiene la forma del tensor de salida y luego se sobrescribe con los valores en el tensor irregular. El valor predeterminado debe ser compatible con esta operación de transmisión y debe tener menos dimensiones que el tensor de valor.
rowPartitionTypes Los tipos de tensores de partición de filas. En la actualidad, estos pueden ser:
  • "ROW_SPLITS": el tensor row_splits del tensor irregular.
  • "VALUE_ROWIDS": el tensor value_rowids del tensor irregular.
  • "FIRST_DIM_SIZE": si value_rowids se usa para la primera dimensión, entonces está precedido por "FIRST_DIM_SIZE". Los tensores están en el orden de las dimensiones.
Devoluciones
  • una nueva instancia de RaggedTensorToTensor

pública de salida <U> resultado ()

El tensor denso resultante.