tensorflow :: ops :: DeserializeSparse

Deserializacja obiektów SparseTensor .

streszczenie

Dane wejściowe serialized_sparse muszą mieć kształt [?, ?, ..., ?, 3] gdzie ostatni wymiar przechowuje zserializowane obiekty SparseTensor a pozostałe N wymiarów (N> = 0) odpowiadają partii. SparseTensor oryginalnych obiektów SparseTensor muszą być zgodne. Kiedy SparseTensor jest ostatni SparseTensor , jego ranga jest rangą przychodzących obiektów SparseTensor plus N; rzadkie tensory zostały połączone wzdłuż nowych wymiarów, po jednym dla każdej partii.

Wartości SparseTensor wyjściowego obiektu SparseTensor dla oryginalnych wymiarów są maksymalnymi wartościami kształtu wejściowych obiektów SparseTensor dla odpowiednich wymiarów. Nowe wymiary pasują do rozmiaru partii.

SparseTensor 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 sygnał wejściowy serializowane to [2 x 3] Matryca reprezentujących dwa oryginalne SparseTensor obiekty:

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

i

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

wtedy ostateczny 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: zserializowane obiekty SparseTensor . Ostatni wymiar musi mieć 3 kolumny.
• dtype: The dtype od szeregowej SparseTensor obiektów.

Zwroty:

• Output sparse_indices
• Output sparse_values
• 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
)