przepływ tensorowy:: ops:: DeserializowaćSparse

Deserializacja obiektów SparseTensor .

Streszczenie

Dane wejściowe serialized_sparse muszą mieć kształt [?, ?, ..., ?, 3] , gdzie ostatni wymiar przechowuje serializowane obiekty SparseTensor , a pozostałych N wymiarów (N >= 0) odpowiada partii. Wszystkie rangi oryginalnych obiektów SparseTensor muszą się zgadzać. Kiedy tworzony jest ostateczny SparseTensor , jego ranga jest rangą przychodzących obiektów SparseTensor plus N; rzadkie tensory zostały połączone wzdłuż nowych wymiarów, po jednym dla każdej partii.

Wyjściowe wartości kształtu obiektu SparseTensor dla oryginalnych wymiarów są maksymalnymi wartościami kształtu wejściowych obiektów SparseTensor dla odpowiednich wymiarów. Nowe wymiary odpowiadają wielkości partii.

Zakłada się, że indeksy wejściowych obiektów SparseTensor są uporządkowane w standardowym porządku leksykograficznym. Jeśli tak nie jest, po tym kroku uruchom SparseReorder , aby przywrócić kolejność indeksów.

Na przykład, jeśli serializowane dane wejściowe to macierz [2 x 3] reprezentująca dwa oryginalne obiekty SparseTensor :

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

i

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

wówczas końcowy deserializowany SparseTensor będzie miał postać:

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

Argumenty:

• zakres: Obiekt Scope
• serialized_sparse: Serializowane obiekty SparseTensor . Ostatni wymiar musi mieć 3 kolumny.
• dtype: dtype d serializowanych obiektów SparseTensor .

Zwroty:

• Output sparse_indices
• Output wartości_rzadkie
• Output sparse_shape

Atrybuty publiczne

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
)