Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

tensorflow :: ops :: ParseExample

#include <parsing_ops.h>

Mengubah vektor otak. Contoh protos (sebagai string) menjadi tensor yang diketik.

Ringkasan

Argumen:

  • scope: Objek Scope
  • serialized: Vektor yang berisi kumpulan protos Contoh berseri biner.
  • names: Vektor yang berisi nama dari serialized protos. Mungkin berisi, misalnya, nama kunci tabel (deskriptif) untuk foto berseri yang sesuai. Ini murni berguna untuk tujuan debugging, dan keberadaan nilai di sini tidak berpengaruh pada keluaran. Mungkin juga menjadi vektor kosong jika tidak ada nama yang tersedia. Jika tidak kosong, vektor ini harus sama panjangnya dengan "serialized".
  • sparse_keys: Daftar Tensor string Nsparse (skalar). Kunci yang diharapkan dalam fitur Contoh terkait dengan nilai renggang.
  • dense_keys: Daftar Tensor string Ndense (skalar). Kunci yang diharapkan dalam fitur Contoh yang terkait dengan nilai padat.
  • dense_defaults: Daftar Ndense Tensor (beberapa mungkin kosong). dense_defaults [j] memberikan nilai default ketika feature_map contoh tidak memiliki dense_key [j]. Jika Tensor kosong disediakan untuk dense_defaults [j], maka Fitur dense_keys [j] diperlukan. Jenis masukan disimpulkan dari dense_defaults [j], meskipun kosong. Jika dense_defaults [j] tidak kosong, dan dense_shapes [j] sepenuhnya ditentukan, maka bentuk dense_defaults [j] harus cocok dengan bentuk dense_shapes [j]. Jika dense_shapes [j] memiliki dimensi utama yang tidak ditentukan (variabel strides dense feature), dense_defaults [j] harus berisi satu elemen: elemen padding.
  • sparse_types: Daftar tipe Nsparse; tipe data dari setiap Fitur yang diberikan dalam sparse_keys. Saat ini ParseExample mendukung DT_FLOAT (FloatList), DT_INT64 (Int64List), dan DT_STRING (BytesList).
  • dense_shapes: Daftar bentuk Ndense; bentuk data di setiap Fitur yang diberikan dalam dense_keys. Jumlah elemen dalam Fitur yang sesuai dengan dense_key [j] harus selalu sama dengan dense_shapes [j] .NumEntries (). Jika dense_shapes [j] == (D0, D1, ..., DN) maka bentuk keluaran Tensor dense_values ​​[j] akan menjadi (| serialized |, D0, D1, ..., DN): Dense output adalah hanya masukan yang ditumpuk secara berurutan. Ini berfungsi untuk dense_shapes [j] = (-1, D1, ..., DN). Dalam hal ini bentuk output Tensor dense_values ​​[j] akan menjadi (| serialized |, M, D1, .., DN), di mana M adalah jumlah maksimum blok elemen dengan panjang D1 * .... * DN , di semua entri minibatch di input. Setiap entri minibatch dengan blok elemen kurang dari M dengan panjang D1 * ... * DN akan diisi dengan elemen skalar default_value yang sesuai di sepanjang dimensi kedua.

Pengembalian:

  • OutputList sparse_indices
  • OutputList sparse_values
  • OutputList sparse_shapes
  • OutputList dense_values

Pembuat dan Penghancur

ParseExample (const :: tensorflow::Scope & scope, :: tensorflow::Input serialized, :: tensorflow::Input names, :: tensorflow::InputList sparse_keys, :: tensorflow::InputList dense_keys, :: tensorflow::InputList dense_defaults, const DataTypeSlice & sparse_types, const gtl::ArraySlice< PartialTensorShape > & dense_shapes)

Atribut publik

dense_values
operation
sparse_indices
sparse_shapes
sparse_values

Atribut publik

dense_values

::tensorflow::OutputList dense_values

operasi

Operation operation

sparse_indices

::tensorflow::OutputList sparse_indices

sparse_shapes

::tensorflow::OutputList sparse_shapes

sparse_values

::tensorflow::OutputList sparse_values

Fungsi publik

ParseExample

 ParseExample(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input serialized,
  ::tensorflow::Input names,
  ::tensorflow::InputList sparse_keys,
  ::tensorflow::InputList dense_keys,
  ::tensorflow::InputList dense_defaults,
  const DataTypeSlice & sparse_types,
  const gtl::ArraySlice< PartialTensorShape > & dense_shapes
)