DeserializeManySparse

Десериализовать и объединить SparseTensors из сериализованного мини-пакета.

Входные данные `serialized_sparse` должны быть строковой матрицей формы `[N x 3]`, где `N` — это размер мини-пакета, а строки соответствуют упакованным выходным данным `SerializeSparse`. Ранги исходных объектов SparseTensor должны совпадать. Когда создается окончательный SparseTensor, он имеет ранг на единицу выше, чем ранги входящих объектов SparseTensor (они были объединены по новому измерению строки).

Значения формы выходного объекта SparseTensor для всех измерений, кроме первого, — это максимальные значения формы входных объектов SparseTensor для соответствующих измерений. Его первое значение формы — «N», размер мини-пакета.

Предполагается, что индексы входных объектов SparseTensor упорядочены в стандартном лексикографическом порядке. Если это не так, после этого шага запустите SparseReorder, чтобы восстановить порядок индексов.

Например, если сериализованный вход представляет собой матрицу `[2 x 3]`, представляющую два исходных объекта `SparseTensor`:

индекс = [ 0] [10] [20] значения = [1, 2, 3] форма = [50]

и

индекс = [ 2] [10] значения = [4, 5] форма = [30]

тогда окончательный десериализованный `SparseTensor` будет:

индекс = [0 0] [0 10] [0 20] [1 2] [1 10] значения = [1, 2, 3, 4, 5] форма = [2 50]

Десериализовать и объединить SparseTensors из сериализованного мини-пакета.

Входные данные `serialized_sparse` должны быть строковой матрицей формы `[N x 3]`, где `N` — это размер мини-пакета, а строки соответствуют упакованным выходным данным `SerializeSparse`. Ранги исходных объектов SparseTensor должны совпадать. Когда создается окончательный SparseTensor, он имеет ранг на единицу выше, чем ранги входящих объектов SparseTensor (они были объединены по новому измерению строки).

Значения формы выходного объекта SparseTensor для всех измерений, кроме первого, — это максимальные значения формы входных объектов SparseTensor для соответствующих измерений. Его первое значение формы — «N», размер мини-пакета.

Предполагается, что индексы входных объектов SparseTensor упорядочены в стандартном лексикографическом порядке. Если это не так, после этого шага запустите SparseReorder, чтобы восстановить порядок индексов.

Например, если сериализованный ввод представляет собой матрицу `[2 x 3]`, представляющую два исходных объекта `SparseTensor`:

индекс = [ 0] [10] [20] значения = [1, 2, 3] форма = [50]

и

индекс = [ 2] [10] значения = [4, 5] форма = [30]

тогда окончательный десериализованный `SparseTensor` будет:

индекс = [0 0] [0 10] [0 20] [1 2] [1 10] значения = [1, 2, 3, 4, 5] форма = [2 50]