tensorflow:: ops:: SparseCrossV2

স্পার্স এবং ডেন্স টেনসরের একটি তালিকা থেকে স্পার্স ক্রস তৈরি করে।

সারসংক্ষেপ

এই অপারেশনটি দুটি তালিকা গ্রহণ করে, একটি 2D SparseTensor এবং অন্যটি 2D Tensor , যার প্রতিটি একটি ফিচার কলামের বৈশিষ্ট্যগুলোকে উপস্থাপন করে। এটি এই ফিচারগুলোর ব্যাচওয়াইজ ক্রস সহ একটি 2D SparseTensor আউটপুট হিসেবে প্রদান করে।

উদাহরণস্বরূপ, যদি ইনপুটগুলি হয়

inputs[0]: SparseTensor with shape = [2, 2]
[0, 0]: "a"
[1, 0]: "b"
[1, 1]: "c"

inputs[1]: SparseTensor with shape = [2, 1]
[0, 0]: "d"
[1, 0]: "e"

inputs[2]: Tensor [["f"], ["g"]]

তাহলে আউটপুট হবে

shape = [2, 2]
[0, 0]: "a_X_d_X_f"
[1, 0]: "b_X_e_X_g"
[1, 1]: "c_X_e_X_g"

যদি hashed_output=true হয় তাহলে আউটপুট হবে

shape = [2, 2]
[0, 0]: FingerprintCat64(
            Fingerprint64("f"), FingerprintCat64(
                Fingerprint64("d"), Fingerprint64("a")))
[1, 0]: FingerprintCat64(
            Fingerprint64("g"), FingerprintCat64(
                Fingerprint64("e"), Fingerprint64("b")))
[1, 1]: FingerprintCat64(
            Fingerprint64("g"), FingerprintCat64(
                Fingerprint64("e"), Fingerprint64("c")))

যুক্তি:

• স্কোপ: একটি স্কোপ অবজেক্ট
• সূচকসমূহ: দ্বিমাত্রিক। প্রতিটি ইনপুট SparseTensor সূচকসমূহ।
• মানসমূহ: প্রতিটি SparseTensor এর এক-মাত্রিক মানসমূহ।
• আকৃতি: ১-মাত্রিক। প্রতিটি SparseTensor আকৃতি।
• dense_inputs: দ্বি-মাত্রিক। কলামগুলো ডেন্স Tensor দ্বারা উপস্থাপিত।
• sep: একাধিক স্ট্রিং ইনপুটকে যুক্ত করার সময় ব্যবহৃত স্ট্রিং, যা পরবর্তীতে বিভাজক হিসেবে ব্যবহার করা যায়।

ফেরত:

• Output আউটপুট_ইনডেক্স: সংযুক্ত SparseTensor দ্বি-মাত্রিক সূচকসমূহ।
• Output আউটপুট_ভ্যালুস: ১-ডি। সংযুক্ত বা হ্যাশ করা SparseTensor অ-খালি মানসমূহ।
• Output আউটপুট_শেপ: ১-ডি। সংযুক্ত SparseTensor আকৃতি।

জনসাধারণের বৈশিষ্ট্য

Operation operation

::tensorflow::Output output_indices

::tensorflow::Output output_shape

::tensorflow::Output output_values

 SparseCrossV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::InputList indices,
  ::tensorflow::InputList values,
  ::tensorflow::InputList shapes,
  ::tensorflow::InputList dense_inputs,
  ::tensorflow::Input sep
)