przepływ tensorowy:: ops:: Odcisk palca

Generuje wartości odcisków palców.

Streszczenie

Generuje wartości odcisków palców data .

Operacja Fingerprint traktuje pierwszy wymiar data jako wymiar wsadowy, a output[i] zawiera wartość odcisku palca wygenerowaną na podstawie zawartości data[i, ...] dla wszystkich i .

Operacja Fingerprint zapisuje wartości odcisków palców jako tablice bajtów. Na przykład domyślna metoda farmhash64 generuje jednorazowo 64-bitową wartość odcisku palca. Ta 8-bajtowa wartość jest zapisywana jako tablica uint8 o rozmiarze 8, w kolejności Little-Endian.

Załóżmy na przykład, że data mają typ danych DT_INT32 i kształt (2, 3, 4), a metodą odcisku palca jest farmhash64 . W tym przypadku kształt wyjściowy to (2, 8), gdzie 2 to rozmiar wsadowy data , a 8 to rozmiar każdej wartości odcisku palca w bajtach. output[0, :] jest generowane z 12 liczb całkowitych w data[0, :, :] i podobnie output[1, :] jest generowane z pozostałych 12 liczb całkowitych w data[1, :, :] .

Należy zauważyć, że ta operacja pobiera odcisk palca surowego bufora bazowego i nie pobiera odcisku palca metadanych Tensora , takich jak typ i/lub kształt danych. Na przykład wartości odcisków palców są niezmienne w przypadku zmian kształtu i transmisji bitów, o ile wymiar wsadowy pozostaje taki sam:

Fingerprint(data) == Fingerprint(Reshape(data, ...))
Fingerprint(data) == Fingerprint(Bitcast(data, ...))

W przypadku danych łańcuchowych należy ogólnie oczekiwać Fingerprint(data) != Fingerprint(ReduceJoin(data)) .

Argumenty:

• zakres: Obiekt Scope
• dane: Musi mieć rangę 1 lub wyższą.
• metoda: metoda odcisku palca używana w tym op. Obecnie dostępna metoda to farmhash::fingerprint64 .

Zwroty:

• Output : Dwuwymiarowy Tensor typu tf.uint8 . Pierwszy wymiar jest równy pierwszemu wymiarowi data , a rozmiar drugiego wymiaru zależy od algorytmu odcisku palca.

Atrybuty publiczne

::tensorflow::Output fingerprint

Operation operation

 Fingerprint(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input data,
  ::tensorflow::Input method
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const