صلیب پراکنده را از لیستی از تانسورهای پراکنده و متراکم ایجاد می کند.
این عملیات دو لیست دارد، یکی از «SparseTensor» دو بعدی و دیگری «Tensor» دو بعدی، که هر کدام ویژگیهای یک ستون ویژگی را نشان میدهند. یک «SparseTensor» دو بعدی با تلاقی دسته ای این ویژگی ها را خروجی می دهد.
به عنوان مثال، اگر ورودی ها هستند
ورودی[0]: SparseTensor با شکل = [2، 2] [0، 0]: "a" [1، 0]: "b" [1، 1]: "c"
ورودیها[1]: SparseTensor با شکل = [2، 1] [0، 0]: "d" [1، 0]: "e"
ورودیها [2]: تانسور [["f"]، ["g"]]
سپس خروجی خواهد بود
شکل = [2، 2] [0، 0]: "a_X_d_X_f" [1، 0]: "b_X_e_X_g" [1، 1]: "c_X_e_X_g"
اگر hashed_output=true باشد، خروجی خواهد بود
shape = [2, 2] [0, 0]: FingerprintCat64(Fingerprint64("f")، FingerprintCat64(Fingerprint64("d")، Fingerprint64("a"))) [1، 0]: FingerprintCat64(Fingerprint64(" g")، FingerprintCat64(Fingerprint64("e")، Fingerprint64("b"))) [1، 1]: FingerprintCat64(Fingerprint64("g")، FingerprintCat64(Fingerprint64("e")، Fingerprint64("c") )))
روش های عمومی
استاتیک SparseCrossV2 | |
خروجی <Long> | شاخص های خروجی () 2-D. |
خروجی <Long> | خروجی شکل () 1-D. |
خروجی <String> | مقادیر خروجی () 1-D. |
روش های ارثی
روش های عمومی
ایجاد استاتیک عمومی SparseCrossV2 ( Scope scope, Iterable< Operand <Long>>, مقادیر Iterable< Operand <?>>, Iterable< Operand <Long>>, Iterable< Operand <?>> denseInputs, Operand <String> sep)
روش کارخانه برای ایجاد کلاسی که یک عملیات جدید SparseCrossV2 را بسته بندی می کند.
مولفه های
محدوده | محدوده فعلی |
---|---|
شاخص ها | 2-D. شاخص های هر ورودی «SparseTensor». |
ارزش های | 1-D. مقادیر هر «SparseTensor». |
شکل ها | 1-D. اشکال هر «SparseTensor». |
denseInputs | 2-D. ستونهایی که با «تنسور» متراکم نشان داده میشوند. |
سپتامبر | رشته ای که هنگام پیوستن به لیست ورودی های رشته استفاده می شود، می تواند بعداً به عنوان جداکننده استفاده شود. |
برمی گرداند
- یک نمونه جدید از SparseCrossV2