SplitDedupData

کلاس نهایی عمومی SplitDedupData

یک عملیات، داده‌های تکراری XLA را به تانسورهای عدد صحیح و ممیز شناور تقسیم می‌کند.

داده های Deduplication یک تاپل XLA است که از مقادیر صحیح و ممیز شناور تشکیل شده است. این عملیات برای تقسیم این مقادیر به دو گروه برای دو نوع، و ساختن هر گروه به عنوان یک تانسور برای بازگشت است.

کلاس های تو در تو

کلاس SplitDedupData.Options ویژگی های اختیاری برای SplitDedupData

روش های عمومی

استاتیک SplitDedupData.Options	پیکربندی (پیکربندی رشته)
static <T تعداد را گسترش می دهد، U تعداد را گسترش می دهد> SplitDedupData <T, U>	ایجاد ( Scope scope، Operand <?> ورودی، Class<T> integerType، Class<U> floatType، String tupleMask، Options... گزینه ها) روش Factory برای ایجاد کلاسی که عملیات SplitDedupData جدید را بسته بندی می کند.
خروجی <U>	floatTensor () یک تانسور شناور 1 بعدی، شامل عناصر شناور تاپل داده‌های deduplication است.
خروجی <T>	Integer Tensor () یک تانسور عدد صحیح 1 بعدی، شامل عناصر عدد صحیح تاپل داده‌های تکراری است.

روش های ارثی

از کلاس org.tensorflow.op.PrimitiveOp

بولی نهایی	برابر است (object obj)
بین المللی نهایی	هش کد ()
عمل	عملیات () `Operation` زیربنایی را برمی گرداند
رشته نهایی	toString ()

از کلاس java.lang.Object

بولی	برابر است (شیء arg0)
کلاس نهایی<?>	getClass ()
بین المللی	هش کد ()
باطل نهایی	اعلام کردن ()
باطل نهایی	اطلاع رسانی به همه ()
رشته	toString ()
باطل نهایی	صبر کنید (long arg0، int arg1)
باطل نهایی	صبر کنید (طولانی arg0)
باطل نهایی	صبر کن ()

روش های عمومی

پیکربندی استاتیک عمومی SplitDedupData.Options (پیکربندی رشته)

ایجاد عمومی ثابت SplitDedupData <T, U> ( Scope scope, Operand <?> ورودی, Class<T> integerType, Class<U> floatType, String tupleMask, Options... گزینه ها)

روش Factory برای ایجاد کلاسی که عملیات SplitDedupData جدید را بسته بندی می کند.

مولفه های

محدوده	محدوده فعلی
ورودی	یک تاپل XLA شامل المان های عدد صحیح و شناور به عنوان تاپل داده های deduplication.
integerType	نوع عدد صحیح_تانسور. انواع مجاز: int32، int64، uint32، uint64.
floatType	نوع float_tensor. انواع مجاز: نیم، bfloat16، شناور.
tupleMask	یک رشته سریال TensorProto از ماسک تاپل خروجی. این ماسک یک تانسور دو بعدی است که ستون اول از نوع عنصر تاپل و ستون دوم به عنوان دهانه از این نوع است. به عنوان مثال، یک تاپل خروجی از (1، 2، 0.1، 3)، ماسک آن [[0، 2]، [1، 1]، [0، 1]] است. ما فقط دو نوع عنصر را انتظار داریم: عدد صحیح (0) و float (1).
گزینه ها	مقادیر ویژگی های اختیاری را حمل می کند

برمی گرداند

یک نمونه جدید از SplitDedupData

خروجی عمومی <U> floatTensor ()

یک تانسور شناور 1 بعدی، شامل عناصر شناور تاپل داده‌های deduplication است.

خروجی عمومی <T> integerTensor ()

یک تانسور عدد صحیح 1 بعدی، شامل عناصر عدد صحیح تاپل داده‌های تکراری است.