جریان تنسور:: عملیات:: ParseSingleExample

#include <parsing_ops.h>

یک پروتو tf.Example (به عنوان یک رشته) را به تانسورهای تایپ شده تبدیل می کند.

خلاصه

استدلال ها:

  • scope: یک شی Scope
  • serialized: بردار حاوی دسته‌ای از پروتوهای نمونه سریال‌سازی شده باینری.
  • dense_defaults: فهرستی از تانسورها (بعضی ممکن است خالی باشند)، که طول آنها با طول dense_keys مطابقت دارد. dense_defaults[j] مقادیر پیش‌فرض را زمانی ارائه می‌کند که feature_map مثال فاقد کلید [j] متراکم باشد. اگر یک تانسور خالی برای dense_defaults[j] ارائه شده باشد، سپس Feature dense_keys[j] مورد نیاز است. نوع ورودی از dense_defaults[j] استنباط می شود، حتی زمانی که خالی است. اگر dense_defaults[j] خالی نباشد، و dense_shapes[j] کاملاً تعریف شده باشد، شکل dense_defaults[j] باید با شکل dense_shapes[j] مطابقت داشته باشد. اگر dense_shapes[j] یک بعد اصلی تعریف‌نشده دارد (ویژگی متراکم گام‌های متغیر)، dense_defaults[j] باید یک عنصر واحد داشته باشد: عنصر padding.
  • num_sparse: تعداد ویژگی های پراکنده ای که باید از مثال تجزیه شوند. این باید با طول sparse_keys و sparse_types مطابقت داشته باشد.
  • sparse_keys: لیستی از رشته های num_sparse . کلیدهای مورد انتظار در ویژگی‌های Examples مرتبط با مقادیر پراکنده هستند.
  • dense_keys: کلیدهای مورد انتظار در ویژگی های Examples مرتبط با مقادیر متراکم.
  • sparse_types: لیستی از انواع num_sparse . انواع داده های داده در هر ویژگی که در کلیدهای پراکنده ارائه شده است. در حال حاضر عملیات ParseSingleExample از DT_FLOAT (FloatList)، DT_INT64 (Int64List) و DT_STRING (BytesList) پشتیبانی می کند.
  • dense_shapes: شکل داده ها در هر ویژگی که به صورت dense_keys ارائه می شود. طول این لیست باید با طول dense_keys مطابقت داشته باشد. تعداد عناصر موجود در Feature مربوط به dense_key[j] باید همیشه برابر با dense_shapes[j] باشد.NumEntries(). اگر شکل‌های متراکم[j] == (D0، D1، ...، DN) آنگاه شکل مقادیر تانسورهای متراکم [j] به صورت (D0، D1، ...، DN) خواهد بود: در مورد شکل‌های متراکم[j] = (-1، D1، ...، DN)، شکل تانسور خروجی مقادیر_ متراکم [j] خواهد بود (M، D1، ..، DN)، که در آن M تعداد بلوک های عناصر با طول D1 * است. ... * DN، در ورودی.

برمی‌گرداند:

  • OutputList sparse_indexes
  • OutputList sparse_values
  • OutputList sparse_shapes
  • OutputList dense_values

سازندگان و تخریب کنندگان

ParseSingleExample (const :: tensorflow::Scope & scope, :: tensorflow::Input serialized, :: tensorflow::InputList dense_defaults, int64 num_sparse, const gtl::ArraySlice<::tensorflow::tstring > & sparse_keys, const gtl::ArraySlice<::tensorflow::tstring > & dense_keys, const DataTypeSlice & sparse_types, const gtl::ArraySlice< PartialTensorShape > & dense_shapes)

صفات عمومی

dense_values
operation
sparse_indices
sparse_shapes
sparse_values

صفات عمومی

مقادیر_ متراکم

::tensorflow::OutputList dense_values

عمل

Operation operation

اندیس_های پراکنده

::tensorflow::OutputList sparse_indices

شکل های پراکنده

::tensorflow::OutputList sparse_shapes

مقادیر_کم

::tensorflow::OutputList sparse_values

توابع عمومی

ParseSingleExample

 ParseSingleExample(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input serialized,
  ::tensorflow::InputList dense_defaults,
  int64 num_sparse,
  const gtl::ArraySlice<::tensorflow::tstring > & sparse_keys,
  const gtl::ArraySlice<::tensorflow::tstring > & dense_keys,
  const DataTypeSlice & sparse_types,
  const gtl::ArraySlice< PartialTensorShape > & dense_shapes
)