از اینکه با Google I/O تنظیم کردید متشکریم. مشاهده همه جلسات در صورت تقاضا تماشا کنید

tensorflow :: ops :: SparseSlice

#include <sparse_ops.h>

SparseTensor بر اساس start و size برش دهید.

خلاصه

به عنوان مثال ، اگر ورودی

input_tensor = shape = [2, 7]
[    a   d e  ]
[b c          ]
باشد

از لحاظ گرافیکی سنسورهای خروجی:

sparse_slice([0, 0], [2, 4]) = shape = [2, 4]
[    a  ]
[b c    ]

sparse_slice([0, 4], [2, 3]) = shape = [2, 3]
[ d e  ]
[      ]
هستند

استدلال ها:

  • دامنه: یک شی Sc Scope
  • شاخص ها: تانسور 2-D نمایانگر شاخص های تانسور پراکنده است.
  • مقادیر: تانسور 1-D مقادیر تانسور پراکنده را نشان می دهد.
  • شکل: 1-D tensor شکل تانسور پراکنده را نشان می دهد.
  • شروع: 1-D tensor نشان دهنده شروع برش است.
  • اندازه: 1-D tensor اندازه برش را نشان می دهد. شاخص های خروجی: لیستی از سنسورهای 1-D نمایانگر شاخص های سنسورهای پراکنده خروجی است.

بازده:

  • شاخص های Output
  • Output output_values: لیستی از سنسورهای 1-D مقادیر سنسورهای پراکنده خروجی را نشان می دهد.
  • Output output_shape: لیستی از سنسورهای 1-D نشان دهنده شکل سنسورهای پراکنده خروجی است.

سازندگان و ویرانگران

SparseSlice (const :: tensorflow::Scope & scope, :: tensorflow::Input indices, :: tensorflow::Input values, :: tensorflow::Input shape, :: tensorflow::Input start, :: tensorflow::Input size)

صفات عمومی

operation
output_indices
output_shape
output_values

صفات عمومی

عمل

Operation operation

شاخص های خروجی

::tensorflow::Output output_indices

شکل_ خروجی

::tensorflow::Output output_shape

مقادیر_خروجی

::tensorflow::Output output_values

کارکردهای عمومی

SparseSlice

 SparseSlice(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input indices,
  ::tensorflow::Input values,
  ::tensorflow::Input shape,
  ::tensorflow::Input start,
  ::tensorflow::Input size
)