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

tensorflow :: opérations :: SparseSlice

#include <sparse_ops.h>

SparseTensor un SparseTensor fonction du start et de la size .

Résumé

Par exemple, si l'entrée est

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

Graphiquement, les tenseurs de sortie sont:

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

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

Arguments:

  • scope: un objet Scope
  • indices: le tenseur 2-D représente les indices du tenseur clairsemé.
  • valeurs: le tenseur 1-D représente les valeurs du tenseur clairsemé.
  • forme: 1-D. tenseur représente la forme du tenseur clairsemé.
  • début: 1-D. tenseur représente le début de la tranche.
  • taille: 1-D. tenseur représente la taille de la tranche. indices de sortie: une liste de tenseurs 1-D représente les indices des tenseurs creuses de sortie.

Retour:

  • Output_indices de Output
  • Output output_values: Une liste de 1-D tenseurs représente les valeurs des tenseurs rares de sortie.
  • Output output_shape: une liste de tenseurs 1-D représente la forme des tenseurs creuses de sortie.

Constructeurs et destructeurs

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

Attributs publics

operation
output_indices
output_shape
output_values

Attributs publics

opération

Operation operation

output_indices

::tensorflow::Output output_indices

output_shape

::tensorflow::Output output_shape

valeurs_sortie

::tensorflow::Output output_values

Fonctions publiques

SparseSlice

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