Se usó la API de Cloud Translation para traducir esta página.
Switch to English

tf.data.experimental.dense_to_sparse_batch

TensorFlow 1 versión Ver código fuente en GitHub

Una transformación que los lotes harapientos elementos en tf.sparse.SparseTensor s.

Como Dataset.padded_batch() , esta transformación combina múltiples elementos consecutivos del conjunto de datos, que puede tener diferentes formas, en un solo elemento. El elemento resultante tiene tres componentes ( indices , values , y dense_shape ), que comprenden un tf.sparse.SparseTensor que representa los mismos datos. El row_shape representa la forma densa de cada fila de la resultante tf.sparse.SparseTensor , a la que se antepone el tamaño efectivo de lote. Por ejemplo:

 # NOTE: The following examples use `{ ... }` to represent the
# contents of a dataset.
a = { ['a', 'b', 'c'], ['a', 'b'], ['a', 'b', 'c', 'd'] }

a.apply(tf.data.experimental.dense_to_sparse_batch(
    batch_size=2, row_shape=[6])) ==
{
    ([[0, 0], [0, 1], [0, 2], [1, 0], [1, 1]],  # indices
     ['a', 'b', 'c', 'a', 'b'],                 # values
     [2, 6]),                                   # dense_shape
    ([[0, 0], [0, 1], [0, 2], [0, 3]],
     ['a', 'b', 'c', 'd'],
     [1, 6])
}
 

batch_size A tf.int64 escalar tf.Tensor , que representa el número de elementos consecutivos de este conjunto de datos para combinar en un solo lote.
row_shape A tf.TensorShape o tf.int64 vector tensor-como objeto que representa la forma densa equivalente de una fila de la resultante tf.sparse.SparseTensor . Cada elemento de este conjunto de datos debe tener el mismo rango que row_shape , y debe tener un tamaño de menos de o igual a row_shape en cada dimensión.

Un Dataset función de transformación, que se puede pasar a tf.data.Dataset.apply .