텐서플로:: 작전:: ParseSingleExample

tf.Example proto(문자열)를 유형이 지정된 텐서로 변환합니다.

요약

인수:

• 범위: 범위 개체
• 직렬화: 이진 직렬화 예제 프로토스의 배치를 포함하는 벡터입니다.
• density_defaults: 길이가 dense_keys 의 길이와 일치하는 텐서 목록(일부는 비어 있을 수 있음). Dense_defaults[j]는 예제의 feature_map에 dense_key[j]가 없을 때 기본값을 제공합니다. Dense_defaults[j]에 빈 Tensor 가 제공되면 Featuredense_keys[j]가 필요합니다. 입력 유형은 비어 있는 경우에도 dense_defaults[j]에서 유추됩니다. Dense_defaults[j]가 비어 있지 않고 dense_shapes[j]가 완전히 정의된 경우 density_defaults[j]의 모양은 density_shapes[j]의 모양과 일치해야 합니다. Dense_shapes[j]에 정의되지 않은 주요 차원(가변 보폭 밀도 기능)이 있는 경우 dense_defaults[j]에는 패딩 요소라는 단일 요소가 포함되어야 합니다.
• num_sparse: 예제에서 구문 분석할 희소 기능의 수입니다. 이것은 sparse_keys 및 sparse_types 의 길이와 일치해야 합니다.
• sparse_keys: num_sparse 문자열 목록입니다. 희소 값과 관련된 예제의 기능에서 예상되는 키입니다.
• Dense_keys: 조밀한 값과 관련된 예제의 기능에서 예상되는 키입니다.
• sparse_types: num_sparse 유형 목록. sparse_keys에 제공된 각 기능의 데이터 데이터 유형입니다. 현재 ParseSingleExample 작업 은 DT_FLOAT(FloatList), DT_INT64(Int64List) 및 DT_STRING(BytesList)을 지원합니다.
• Dense_shapes: Dense_keys에 제공된 각 기능의 데이터 모양. 이 목록의 길이는 dense_keys 의 길이와 일치해야 합니다. Dense_key[j]에 해당하는 Feature의 요소 수는 항상 dense_shapes[j].NumEntries()와 같아야 합니다. Dense_shapes[j] == (D0, D1, ..., DN)이면 출력 Tensor dense_values[j]의 모양은 (D0, D1, ..., DN)이 됩니다. 이 경우 density_shapes[j] = (-1, D1, ..., DN), 출력 Tensor dense_values[j]의 모양은 (M, D1, .., DN)이 됩니다. 여기서 M은 길이가 D1 * 인 요소의 블록 수입니다. ... * DN, 입력.

보고:

• OutputList sparse_indices
• OutputList sparse_values
• OutputList sparse_shapes
• 출력 목록 OutputList 값

공개 속성

::tensorflow::OutputList dense_values

Operation operation

::tensorflow::OutputList sparse_indices

::tensorflow::OutputList sparse_shapes

::tensorflow::OutputList sparse_values

 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
)