Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences.

flux tenseur :: opérations :: ParseSingleExample

#include <parsing_ops.h>

Transforme un proto tf.Example (sous forme de chaîne) en tenseurs typés.

Sommaire

Arguments:

  • scope : un objet Scope
  • sérialisé : un vecteur contenant un lot d'exemples de protos sérialisés binaires.
  • dense_defaults : une liste de Tensors (certains peuvent être vides), dont la longueur correspond à la longueur de dense_keys . dense_defaults[j] fournit des valeurs par défaut lorsque la feature_map de l'exemple manque de dense_key[j]. Si un tenseur vide est fourni pour dense_defaults [j], alors la fonctionnalité dense_keys[j] est requise. Le type d'entrée est déduit de dense_defaults[j], même lorsqu'il est vide. Si dense_defaults[j] n'est pas vide et que dense_shapes[j] est entièrement défini, alors la forme de dense_defaults[j] doit correspondre à celle de dense_shapes[j]. Si dense_shapes[j] a une dimension majeure indéfinie (caractéristique dense de foulées variables), dense_defaults[j] doit contenir un seul élément : l'élément padding.
  • num_sparse : le nombre d'entités dispersées à analyser à partir de l'exemple. Cela doit correspondre aux longueurs de sparse_keys et sparse_types .
  • sparse_keys : une liste de chaînes num_sparse . Les clés attendues dans les fonctionnalités des exemples sont associées à des valeurs éparses.
  • dense_keys : les clés attendues dans les fonctionnalités des exemples associées à des valeurs denses.
  • sparse_types : une liste de types num_sparse ; les types de données de données dans chaque fonctionnalité donnée dans sparse_keys. Actuellement, l'op ParseSingleExample prend en charge DT_FLOAT (FloatList), DT_INT64 (Int64List) et DT_STRING (BytesList).
  • dense_shapes : les formes des données dans chaque fonctionnalité données dans dense_keys. La longueur de cette liste doit correspondre à la longueur de dense_keys . Le nombre d'éléments dans la fonctionnalité correspondant à dense_key[j] doit toujours être égal à dense_shapes[j].NumEntries(). Si dense_shapes[j] == (D0, D1, ..., DN) alors la forme du tenseur de sortie dense_values [j] sera (D0, D1, ..., DN) : Dans le cas dense_shapes[j] = (-1, D1, ..., DN), la forme de la sortie Tenseur dense_values[j] sera (M, D1, .., DN), où M est le nombre de blocs d'éléments de longueur D1 * . ... * DN, dans l'entrée.

Retour:

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

Constructeurs et destructeurs

ParseSingleExample (const :: tensorflow::Scope & scope, :: tensorflow::Input serialized, :: tensorflow::InputList dense_defaults, int64 num_sparse, const gtl::ArraySlice< string > & sparse_keys, const gtl::ArraySlice< string > & dense_keys, const DataTypeSlice & sparse_types, const gtl::ArraySlice< PartialTensorShape > & dense_shapes)

Attributs publics

dense_values
operation
sparse_indices
sparse_shapes
sparse_values

Attributs publics

dense_values

::tensorflow::OutputList dense_values

opération

Operation operation

indices_parsemés

::tensorflow::OutputList sparse_indices

sparse_shapes

::tensorflow::OutputList sparse_shapes

sparse_values

::tensorflow::OutputList sparse_values

Fonctions publiques

ParseSingleExample

 ParseSingleExample(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input serialized,
  ::tensorflow::InputList dense_defaults,
  int64 num_sparse,
  const gtl::ArraySlice< string > & sparse_keys,
  const gtl::ArraySlice< string > & dense_keys,
  const DataTypeSlice & sparse_types,
  const gtl::ArraySlice< PartialTensorShape > & dense_shapes
)