tensorflow:: عملیات:: تقسیم پراکنده

یک SparseTensor به تانسورهای num_split در امتداد یک بعد تقسیم کنید.

خلاصه

اگر shape[split_dim] مضرب صحیحی از num_split نباشد. برش‌های [0 : shape[split_dim] % num_split] یک بُعد اضافی می‌گیرند. برای مثال، اگر split_dim = 1 و num_split = 2 باشد و ورودی به صورت زیر باشد:

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

از نظر گرافیکی، تانسورهای خروجی عبارتند از:

output_tensor[0] = shape = [2, 4]
[    a  ]
[b c    ]

output_tensor[1] = shape = [2, 3]
[ d e  ]
[      ]

استدلال‌ها:

• دامنه: یک شیء دامنه
• split_dim: 0-D. بُعدی که قرار است تقسیم شود. باید در محدوده [0, rank(shape)) باشد.
• شاخص‌ها: تانسور دوبعدی نشان دهنده شاخص‌های تانسور پراکنده است.
• مقادیر: تانسور تک‌بعدی نشان‌دهنده مقادیر تانسور پراکنده است.
• شکل: تانسور تک‌بعدی. شکل تانسور پراکنده را نشان می‌دهد. شاخص‌های خروجی: فهرستی از تانسورهای تک‌بعدی، شاخص‌های تانسورهای پراکنده خروجی را نشان می‌دهد.
• num_split: تعداد روش‌های تقسیم.

بازده:

• OutputList خروجی‌ها
• OutputList output_values: فهرستی از تانسورهای یک بعدی، مقادیر تانسورهای پراکنده خروجی را نشان می‌دهد.
• OutputList output_shape: فهرستی از تانسورهای یک بعدی، شکل تانسورهای پراکنده خروجی را نشان می‌دهد.

ویژگی‌های عمومی

Operation operation

::tensorflow::OutputList output_indices

::tensorflow::OutputList output_shape

::tensorflow::OutputList output_values

 SparseSplit(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input split_dim,
  ::tensorflow::Input indices,
  ::tensorflow::Input values,
  ::tensorflow::Input shape,
  int64 num_split
)