tensorflow :: ops :: DeserializeSparse

از اشیا SparseTensor استفاده کنید.

خلاصه

ورودی serialized_sparse باید دارای شکل [?, ?, ..., ?, 3] که در آخرین بعد اشیا SparseTensor سریال سازی شده و سایر ابعاد N (N> = 0) مربوط به یک دسته باشد. SparseTensor اشیا SparseTensor اصلی SparseTensor باید همه مطابقت داشته باشند. هنگامی که SparseTensor نهایی ایجاد می شود ، رتبه آن رتبه اشیا SparseTensor ورودی به علاوه N است. سنسورهای پراکنده در ابعاد جدید ، یکی برای هر دسته ، بهم پیوسته اند.

مقادیر شکل جسم SparseTensor برای ابعاد اصلی حداکثر مقادیر شکل اشیا SparseTensor برای ابعاد مربوطه است. ابعاد جدید با اندازه دسته مطابقت دارد.

شاخص های اشیا SparseTensor ورودی بر اساس ترتیب فرهنگ لغوی استاندارد فرض می شوند. اگر اینگونه نیست ، پس از این مرحله SparseReorder اجرا SparseReorder تا ترتیب شاخص را بازیابی کنید.

به عنوان مثال ، اگر ورودی سریال یک ماتریس [2 x 3] باشد که نمایانگر دو شی SparseTensor اصلی است:

index = [ 0]
        [10]
        [20]
values = [1, 2, 3]
shape = [50]

و

index = [ 2]
        [10]
values = [4, 5]
shape = [30]

سپس SparseTensor نهایی مورد SparseTensor :

index = [0  0]
        [0 10]
        [0 20]
        [1  2]
        [1 10]
values = [1, 2, 3, 4, 5]
shape = [2 50]

استدلال ها:

• دامنه: یک شی Sc Scope
• serialized_sparse: اشیا SparseTensor سریال سازی شده. بعد آخر باید 3 ستون داشته باشد.
• dtype ها: dtype از مرتب SparseTensor اشیاء.

بازده:

• Output اندک Output
• Output sparse_values
• sparse_shape Output

صفات عمومی

Operation operation

::tensorflow::Output sparse_indices

::tensorflow::Output sparse_shape

::tensorflow::Output sparse_values

 DeserializeSparse(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input serialized_sparse,
  DataType dtype
)