टेंसरफ़्लो:: ऑप्स:: ParseExampleV2

tf.example protos (स्ट्रिंग्स के रूप में) के एक वेक्टर को टाइप किए गए टेंसर में बदल देता है।

सारांश

तर्क:

• स्कोप: एक स्कोप ऑब्जेक्ट
• क्रमबद्ध: एक अदिश या वेक्टर जिसमें द्विआधारी क्रमबद्ध उदाहरण प्रोटोज़ होते हैं।
• नाम: एक टेंसर जिसमें क्रमबद्ध प्रोटो के नाम होते हैं। serialized टेंसर के साथ 1:1 से मेल खाता है। उदाहरण के लिए, संबंधित क्रमबद्ध प्रोटोज़ के लिए तालिका कुंजी (वर्णनात्मक) नाम शामिल हो सकते हैं। ये पूरी तरह से डिबगिंग उद्देश्यों के लिए उपयोगी हैं, और यहां मूल्यों की उपस्थिति का आउटपुट पर कोई प्रभाव नहीं पड़ता है। यदि कोई नाम उपलब्ध नहीं है तो यह एक खाली वेक्टर भी हो सकता है। यदि गैर-रिक्त है, तो इस टेंसर का आकार "क्रमबद्ध" के समान होना चाहिए।
• sparse_keys: स्ट्रिंग्स का वेक्टर। उदाहरणों की विशेषताओं में अपेक्षित कुंजियाँ विरल मानों से संबद्ध हैं।
• सघन_कुंजियाँ: स्ट्रिंग्स का वेक्टर। उदाहरणों की विशेषताओं में अपेक्षित कुंजियाँ सघन मानों से संबद्ध हैं।
• रैग्ड_कीज़: स्ट्रिंग्स का वेक्टर। उदाहरणों की विशेषताओं में अपेक्षित कुंजियाँ रैग्ड मानों से संबद्ध हैं।
• सघन_डिफ़ॉल्ट्स: टेंसरों की एक सूची (कुछ खाली हो सकते हैं)। dense_keys के साथ 1:1 से मेल खाता है। जब उदाहरण के फीचर_मैप में Dens_key[j] का अभाव होता है, तोdens_defaults[j] डिफ़ॉल्ट मान प्रदान करता है। यदिडेंस_डिफॉल्ट्स[जे] के लिए एक खाली टेंसर प्रदान किया जाता है, तो फ़ीचर डेंस_कीज़[जे] की आवश्यकता होती है। इनपुट प्रकार का अनुमान Dens_defaults[j] से लगाया जाता है, भले ही वह खाली हो। यदि सघन_डिफॉल्ट्स[जे] खाली नहीं है, और सघन_आकार[जे] पूरी तरह से परिभाषित है, तो सघन_डिफॉल्ट्स[जे] का आकार सघन_आकार[जे] से मेल खाना चाहिए। यदिdens_shapes[j] में एक अपरिभाषित प्रमुख आयाम (चर स्ट्राइड्स डेंस फीचर) है, तोdens_defaults[j] में एक ही तत्व होना चाहिए: पैडिंग तत्व।
• num_sparse: विरल कुंजियों की संख्या.
• sparse_types: num_sparse प्रकारों की एक सूची; प्रत्येक फ़ीचर में डेटा के प्रकार sparse_keys में दिए गए हैं। वर्तमान में ParseExample DT_FLOAT (FloatList), DT_INT64 (Int64List), और DT_STRING (बाइट्सलिस्ट) का समर्थन करता है।
• रैग्ड_वैल्यू_टाइप्स: num_ragged प्रकारों की एक सूची; प्रत्येक फ़ीचर में डेटा के प्रकार रैग्ड_कीज़ में दिए गए हैं (जहां num_ragged = sparse_keys.size() )। वर्तमान में ParseExample DT_FLOAT (FloatList), DT_INT64 (Int64List), और DT_STRING (बाइट्सलिस्ट) का समर्थन करता है।
• रैग्ड_स्प्लिट_टाइप्स: num_ragged प्रकारों की एक सूची; प्रत्येक फ़ीचर में row_splits के डेटा प्रकार ragged_keys में दिए गए हैं (जहाँ num_ragged = sparse_keys.size() )। DT_INT32 या DT_INT64 हो सकता है.
• सघन_आकृतियाँ: num_dense आकृतियों की एक सूची; प्रत्येक फ़ीचर में डेटा के आकार सघन_कीज़ में दिए गए हैं (जहाँ num_dense = dense_keys.size() )। फ़ीचर में Dens_key[j] से संबंधित तत्वों की संख्या हमेशा Dens_shapes[j].NumEntries() के बराबर होनी चाहिए। यदि सघन_आकार[j] == (D0, D1, ..., DN) तो आउटपुट का आकार Tensor Dens_values[j] होगा (|serialized|, D0, D1, ..., DN): सघन आउटपुट हैं बस इनपुट को बैच द्वारा पंक्तिबद्ध किया गया है। यहdens_shapes[j] = (-1, D1, ..., DN) के लिए काम करता है। इस स्थिति में आउटपुट Tensordens_values [j] का आकार (|serialized|, M, D1, .., DN) होगा, जहां M लंबाई D1 * .... * DN के तत्वों के ब्लॉक की अधिकतम संख्या है , इनपुट में सभी मिनीबैच प्रविष्टियों में। लंबाई D1 * ... * DN के तत्वों के M से कम ब्लॉक वाली किसी भी मिनीबैच प्रविष्टि को दूसरे आयाम के साथ संबंधित default_value स्केलर तत्व के साथ जोड़ा जाएगा।

रिटर्न:

• OutputList sparse_indices
• OutputList sparse_values
• OutputList sparse_shapes
• OutputList सघन_मूल्य
• OutputList रैग्ड_वैल्यू
• OutputList रैग्ड_रो_स्प्लिट्स

सार्वजनिक गुण

::tensorflow::OutputList dense_values

Operation operation

::tensorflow::OutputList ragged_row_splits

::tensorflow::OutputList ragged_values

::tensorflow::OutputList sparse_indices

::tensorflow::OutputList sparse_shapes

::tensorflow::OutputList sparse_values

 ParseExampleV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input serialized,
  ::tensorflow::Input names,
  ::tensorflow::Input sparse_keys,
  ::tensorflow::Input dense_keys,
  ::tensorflow::Input ragged_keys,
  ::tensorflow::InputList dense_defaults,
  int64 num_sparse,
  const DataTypeSlice & sparse_types,
  const DataTypeSlice & ragged_value_types,
  const DataTypeSlice & ragged_split_types,
  const gtl::ArraySlice< PartialTensorShape > & dense_shapes
)