tensorflow:: عملیات:: SparseCrossV2

از لیستی از تانسورهای پراکنده و متراکم، یک ضربدر پراکنده تولید می‌کند.

خلاصه

این تابع دو لیست می‌گیرد، یکی از 2D SparseTensor و دیگری از 2D Tensor که هر کدام ویژگی‌های یک ستون ویژگی را نشان می‌دهند. خروجی آن یک 2D SparseTensor با تقاطع‌های دسته‌ای این ویژگی‌ها است.

برای مثال، اگر ورودی‌ها

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"]]

سپس خروجی خواهد بود

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

اگر hashed_output=true باشد، خروجی به صورت زیر خواهد بود:

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")))

استدلال‌ها:

• دامنه: یک شیء دامنه
• شاخص‌ها: دوبعدی. شاخص‌های هر ورودی SparseTensor .
• مقادیر: مقادیر تک‌بعدی هر SparseTensor .
• اشکال: یک بعدی. شکل‌های هر SparseTensor .
• dense_inputs: دوبعدی. ستون‌ها با dense Tensor نمایش داده می‌شوند.
• sep: رشته‌ای که هنگام اتصال لیستی از ورودی‌های رشته‌ای استفاده می‌شود و می‌تواند بعداً به عنوان جداکننده استفاده شود.

بازده:

• شاخص‌های خروجی Output : دوبعدی. شاخص‌های SparseTensor الحاق‌شده.
• مقادیر_خروجی Output : ۱-D. مقادیر غیر تهی SparseTensor الحاق شده یا هش شده.
• Output output_shape: شکل یک بعدی SparseTensor الحاق شده.

ویژگی‌های عمومی

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
)