DeserializeManySparse

kelas akhir publik DeserializeManySparse

Deserialisasi dan gabungkan `SparseTensors` dari minibatch serial.

Input `serialized_sparse` harus berupa matriks string berbentuk `[N x 3]` dengan `N` adalah ukuran minibatch dan baris-barisnya sesuai dengan output yang dikemas dari `SerializeSparse`. Peringkat objek `SparseTensor` asli semuanya harus cocok. Saat `SparseTensor` terakhir dibuat, peringkatnya satu lebih tinggi daripada peringkat objek `SparseTensor` yang masuk (objek tersebut telah digabungkan di sepanjang dimensi baris baru).

Nilai bentuk objek `SparseTensor` keluaran untuk semua dimensi tetapi yang pertama adalah nilai maksimal seluruh nilai bentuk objek `SparseTensor` masukan untuk dimensi yang sesuai. Nilai bentuk pertamanya adalah `N`, ukuran minibatch.

Indeks objek `SparseTensor` masukan diasumsikan diurutkan dalam urutan leksikografis standar. Jika tidak demikian, setelah langkah ini jalankan `SparseReorder` untuk memulihkan pengurutan indeks.

Misalnya, jika input serial adalah matriks `[2 x 3]` yang mewakili dua objek `SparseTensor` asli:

indeks = [ 0] [10] [20] nilai = [1, 2, 3] bentuk = [50]

Dan

indeks = [ 2] [10] nilai = [4, 5] bentuk = [30]

maka `SparseTensor` terakhir yang dideserialisasi akan menjadi:

indeks = [0 0] [0 10] [0 20] [1 2] [1 10] nilai = [1, 2, 3, 4, 5] bentuk = [2 50]

Konstanta

Rangkaian OP_NAME Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

statis <T memperluas TType > DeserializeManySparse <T>
buat ( Lingkup lingkup, Operan < TString > serializedSparse, Kelas<T> dtype)
Metode pabrik untuk membuat kelas yang membungkus operasi DeserializeManySparse baru.
Keluaran < TInt64 >
Keluaran < TInt64 >
Keluaran <T>

Metode Warisan

Konstanta

String akhir statis publik OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Nilai Konstan: "DeserializeManySparse"

Metode Publik

public static DeserializeManySparse <T> buat ( Lingkup lingkup, Operan < TString > serializedSparse, Kelas<T> dtype)

Metode pabrik untuk membuat kelas yang membungkus operasi DeserializeManySparse baru.

Parameter
cakupan ruang lingkup saat ini
berseriSparse 2-D, Objek `SparseTensor` berseri `N`. Harus memiliki 3 kolom.
tipe `dtype` dari objek `SparseTensor` yang diserialkan.
Kembali
  • contoh baru dari DeserializeManySparse

Output publik < TInt64 > sparseIndices ()

Keluaran publik < TInt64 > sparseShape ()

Keluaran publik <T> sparseValues ​​()