tensorflow:: ops:: Impressão digital

Gera valores de impressão digital.

Resumo

Gera valores de impressão digital de data .

A operação de impressão digital considera a primeira dimensão dos data como a dimensão do lote e output[i] contém o valor da impressão digital gerado a partir do conteúdo em data[i, ...] para todo i .

A operação de impressão digital grava valores de impressão digital como matrizes de bytes. Por exemplo, o método padrão farmhash64 gera um valor de impressão digital de 64 bits por vez. Esse valor de 8 bytes é gravado como uma matriz uint8 de tamanho 8, em ordem little-endian.

Por exemplo, suponha que data tenham o tipo de dados DT_INT32 e formato (2, 3, 4), e que o método de impressão digital seja farmhash64 . Nesse caso, o formato de saída é (2, 8), onde 2 é o tamanho da dimensão do lote de data e 8 é o tamanho de cada valor de impressão digital em bytes. output[0, :] é gerado a partir de 12 inteiros em data[0, :, :] e, similarmente, output[1, :] é gerado a partir de outros 12 inteiros em data[1, :, :] .

Note que esta operação identifica o buffer subjacente bruto e não os metadados do Tensor , como tipo de dados e/ou formato. Por exemplo, os valores da identificação são invariáveis ​​em relação a redimensionamentos e conversões de bits, desde que a dimensão do lote permaneça a mesma:

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

Para dados de string, deve-se esperar Fingerprint(data) != Fingerprint(ReduceJoin(data)) em geral.

Argumentos:

• escopo: Um objeto de escopo
• Dados: Deve ter classificação 1 ou superior.
• Método: O método de impressão digital usado por esta operação. O método atualmente disponível é farmhash::fingerprint64 .

Devoluções:

• Output : Um Tensor bidimensional do tipo tf.uint8 . A primeira dimensão é igual à primeira dimensão dos data , e o tamanho da segunda dimensão depende do algoritmo de impressão digital.

Atributos públicos

::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