tensör akışı:: operasyon:: AyrıştırmaÖrneğiV2

Bir tf.Example protos vektörünü (dizeler olarak) yazılan tensörlere dönüştürür.

Özet

Argümanlar:

• kapsam: Bir Kapsam nesnesi
• serileştirilmiş: İkili serileştirilmiş Örnek protokolleri içeren bir skaler veya vektör.
• isimler: Serileştirilmiş protoların adlarını içeren bir tensör. serialized tensör ile 1:1'e karşılık gelir. Örneğin, karşılık gelen serileştirilmiş protokoller için tablo anahtarı (açıklayıcı) adları içerebilir. Bunlar tamamen hata ayıklama amaçları için kullanışlıdır ve burada değerlerin varlığının çıktı üzerinde hiçbir etkisi yoktur. Ad yoksa boş bir vektör de olabilir. Boş değilse, bu tensör "seri hale getirilmiş" ile aynı şekle sahip olmalıdır.
• sparse_keys: Dizelerin vektörü. Seyrek değerlerle ilişkili Örneklerin özelliklerinde beklenen anahtarlar.
• yoğun_anahtarlar: Dizelerin vektörü. Yoğun değerlerle ilişkili Örneklerin özelliklerinde beklenen anahtarlar.
• ragged_keys: Dizelerin vektörü. Düzensiz değerlerle ilişkili Örneklerin özelliklerinde beklenen anahtarlar.
• yoğun_defaults: Tensörlerin listesi (bazıları boş olabilir). dense_keys 1:1'e karşılık gelir. Yoğun_varsayılanlar[j], örneğin feature_map'inde yoğun_anahtar[j] olmadığında varsayılan değerler sağlar. Yoğun_varsayılanlar[j] için boş bir Tensör sağlanırsa, yoğun_anahtarlar[j] Özelliği gereklidir. Girdi türü, boş olduğunda bile yoğun_varsayılanlardan[j] çıkarılır. Yoğun_varsayılanlar[j] boş değilse ve yoğun_şekiller[j] tam olarak tanımlanmışsa, yoğun_varsayılanların[j] şekli, yoğun_şekillerin[j] şekliyle eşleşmelidir. Yoğun_şekiller[j] tanımsız bir ana boyuta sahipse (değişken adımlı yoğun özellik), yoğun_varsayılanlar[j] tek bir öğe içermelidir: dolgu öğesi.
• num_sparse: Seyrek anahtarların sayısı.
• sparse_types: num_sparse türlerinin listesi; sparse_keys içinde verilen her bir Özellikteki veri türleri. Şu anda ParseExample , DT_FLOAT (FloatList), DT_INT64 (Int64List) ve DT_STRING (BytesList) 'i destekler.
• ragged_value_types: num_ragged türlerinin listesi; ragged_keys içinde verilen her bir Özellikteki veri türleri (burada num_ragged = sparse_keys.size() ). Şu anda ParseExample , DT_FLOAT (FloatList), DT_INT64 (Int64List) ve DT_STRING (BytesList) 'i destekler.
• ragged_split_types: num_ragged türlerinin listesi; ragged_keys içinde verilen her bir Özellikteki row_splits veri türleri (burada num_ragged = sparse_keys.size() ). DT_INT32 veya DT_INT64 olabilir.
• yoğun_şekiller: num_dense şekillerin listesi; yoğun_anahtarlarda verilen her Özellikteki veri şekilleri (burada num_dense = dense_keys.size() ). Özellikteki yoğun_anahtar[j]'a karşılık gelen öğe sayısı her zaman yoğun_şekillere[j].NumEntries()'e eşit olmalıdır. Yoğun_şekiller[j] == (D0, D1, ..., DN) ise, çıktının şekli Tensör yoğun_değerleri[j] (|seri hale getirilmiş|, D0, D1, ..., DN) olacaktır: Yoğun çıktılar sadece toplu olarak satır yığınlı girdiler. Bu, yoğun_şekiller[j] = (-1, D1, ..., DN) için çalışır. Bu durumda çıktının şekli Tensör yoğun_değerleri[j] (|seri hale getirilmiş|, M, D1, .., DN) olacaktır; burada M, D1 * .... * DN uzunluğundaki elemanların maksimum blok sayısıdır. , girişteki tüm mini parti girişlerinde. D1 * ... * DN uzunluğunda M bloktan daha az eleman içeren herhangi bir mini parti girişi, ikinci boyut boyunca karşılık gelen default_value skaler elemanla doldurulacaktır.

İadeler:

• OutputList sparse_indices
• OutputList seyrek_değerler
• OutputList seyrek_şekiller
• OutputList yoğun_değerler
• OutputList Listesi düzensiz_değerler
• OutputList ragged_row_splits

Genel özellikler

::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
)