เทนเซอร์โฟลว์:: ปฏิบัติการ:: แยกตัวอย่างV2

แปลงเวกเตอร์ของโปรโต tf.Example (เป็นสตริง) เป็นเทนเซอร์ที่พิมพ์

สรุป

ข้อโต้แย้ง:

• ขอบเขต: วัตถุ ขอบเขต
• ต่อเนื่องกัน: สเกลาร์หรือเวกเตอร์ที่มีโปรโตสตัวอย่างที่ต่อเนื่องกันแบบไบนารี
• ชื่อ: เมตริกซ์ที่มีชื่อของโปรโตที่ต่อเนื่องกัน สอดคล้อง 1:1 กับเทนเซอร์ serialized อาจมี ตัวอย่างเช่น ชื่อคีย์ตาราง (คำอธิบาย) สำหรับโปรโตที่ต่อเนื่องกัน สิ่งเหล่านี้มีประโยชน์สำหรับวัตถุประสงค์ในการแก้ไขจุดบกพร่องเท่านั้น และการมีค่าอยู่ที่นี่ไม่มีผลกระทบต่อเอาต์พุต อาจเป็นเวกเตอร์เปล่าก็ได้หากไม่มีชื่อ หากไม่ว่างเปล่า เทนเซอร์นี้จะต้องมีรูปร่างเหมือนกับ "ซีเรียลไลซ์"
• sparse_keys: เวกเตอร์ของสตริง คีย์ที่คาดหวังในคุณสมบัติของตัวอย่างที่เกี่ยวข้องกับค่ากระจัดกระจาย
• หนาแน่น_คีย์: เวกเตอร์ของสตริง คีย์ที่คาดหวังในคุณลักษณะของตัวอย่างที่เกี่ยวข้องกับค่าหนาแน่น
• ragged_keys: เวกเตอร์ของสตริง คีย์ที่คาดหวังในคุณสมบัติของตัวอย่างที่เกี่ยวข้องกับค่าที่ขาดหายไป
• หนาแน่น_ค่าเริ่มต้น: รายการเทนเซอร์ (บางส่วนอาจว่างเปล่า) สอดคล้องกับ 1:1 ด้วย dense_keys หนาแน่น_defaults[j] ให้ค่าเริ่มต้นเมื่อ Feature_map ของตัวอย่างไม่มีหนาแน่น_key[j] หากมีการระบุ Tensor ว่างไว้สำหรับหนาแน่น_ค่าเริ่มต้น[j] แสดงว่าจำเป็นต้องมีคุณลักษณะหนาแน่น_keys[j] ประเภทอินพุตจะอนุมานจากหนาแน่น_defaults[j] แม้ว่าจะว่างเปล่าก็ตาม หากหนาแน่น_defaults[j] ไม่ว่างเปล่า และหนาแน่น_รูปร่าง[j] ถูกกำหนดไว้อย่างสมบูรณ์ ดังนั้นรูปร่างของหนาแน่น_defaults[j] จะต้องตรงกับรูปร่างของหนาแน่น_รูปร่าง[j] หากหนาแน่น_รูปร่าง[j] มีมิติหลักที่ไม่ได้กำหนดไว้ (คุณลักษณะความหนาแน่นของความก้าวหน้าแบบแปรผัน)หนาแน่น_ค่าเริ่มต้น[j] จะต้องมีองค์ประกอบเดียว: องค์ประกอบช่องว่างภายใน
• num_sparse: จำนวนคีย์กระจัดกระจาย
• sparse_types: รายการประเภท num_sparse ; ประเภทข้อมูลของข้อมูลในแต่ละคุณสมบัติที่กำหนดใน sparse_keys ปัจจุบัน ParseExample รองรับ DT_FLOAT (FloatList), DT_INT64 (Int64List) และ DT_STRING (BytesList)
• ragged_value_types: รายการประเภท num_ragged ; ประเภทข้อมูลของข้อมูลในแต่ละฟีเจอร์ที่กำหนดใน ragged_keys (โดยที่ num_ragged = sparse_keys.size() ) ปัจจุบัน ParseExample รองรับ DT_FLOAT (FloatList), DT_INT64 (Int64List) และ DT_STRING (BytesList)
• ragged_split_types: รายการประเภท num_ragged ; ประเภทข้อมูลของ row_splits ในแต่ละฟีเจอร์ที่กำหนดใน ragged_keys (โดยที่ num_ragged = sparse_keys.size() ) อาจเป็น DT_INT32 หรือ DT_INT64
• Dหนาแน่น_รูปร่าง: รายการรูปร่าง num_dense ; รูปร่างของข้อมูลในแต่ละคุณสมบัติที่กำหนดใน Dense_keys (โดยที่ num_dense = dense_keys.size() ) จำนวนองค์ประกอบในฟีเจอร์ที่สอดคล้องกับหนาแน่น_คีย์[j] จะต้องเท่ากับหนาแน่น_รูปร่าง[j].NumEntries() เสมอ หากหนาแน่น_รูปร่าง[j] == (D0, D1, ..., DN) ดังนั้นรูปร่างของ เอาท์พุตเทนเซอร์ หนาแน่น_ค่า[j] จะเป็น (|ซีเรียลไลซ์|, D0, D1, ..., DN): เอาท์พุตที่มีความหนาแน่นสูงนั้น เพียงแถวอินพุตเรียงซ้อนตามแบทช์ วิธีนี้ใช้ได้กับหนาแน่น_รูปร่าง[j] = (-1, D1, ..., DN) ในกรณีนี้ รูปร่างของเอาท์พุต Tensor หนาแน่น_ค่า[j] จะเป็น (|อนุกรม|, M, D1, .., DN) โดยที่ M คือจำนวนบล็อกสูงสุดขององค์ประกอบที่มีความยาว D1 * .... * DN ในรายการมินิแบทช์ทั้งหมดในอินพุต รายการมินิแบทช์ ใดๆ ที่มีองค์ประกอบความยาวน้อยกว่า M บล็อก D1 * ... * DN จะถูกเสริมด้วยองค์ประกอบสเกลาร์ default_value ที่สอดคล้องกันตลอดมิติที่สอง

ผลตอบแทน:

• OutputList
• OutputList
• OutputList
• OutputList หนาแน่น_ค่า
• OutputList ragged_values
• OutputList ragged_row_splits

คุณลักษณะสาธารณะ

::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
)