tensorflow::ops::ParseExampleV2

#include <parsing_ops.h>

Преобразует вектор протобуферов tf.Example (в виде строк) в типизированные тензоры.

Краткое описание

Аргументы:

• scope: объект Scope
• serialized: Скаляр или вектор, содержащий бинарно сериализованные протобуферы Example.
• names: Тензор, содержащий имена сериализованных протобуферов. Соответствует тензору serialized один к одному. Может содержать, например, имена ключей таблицы (описательные) для соответствующих сериализованных протобуферов. Они нужны исключительно для отладки, и наличие здесь значений не влияет на результат. Если имена недоступны, это также может быть пустой вектор. Если тензор не пуст, его форма должна совпадать с формой "serialized".
• sparse_keys: Вектор строк. Ключи, ожидаемые в признаках Examples, соответствующих разреженным значениям.
• dense_keys: Вектор строк. Ключи, ожидаемые в признаках Examples, соответствующих плотным значениям.
• ragged_keys: Вектор строк. Ключи, ожидаемые в признаках Examples, соответствующих рваным значениям.
• dense_defaults: Список тензоров (некоторые могут быть пустыми). Соответствует dense_keys один к одному. dense_defaults[j] задаёт значения по умолчанию, если в feature_map примера отсутствует dense_key[j]. Если для dense_defaults[j] указан пустой Tensor, то Feature dense_keys[j] является обязательным. Тип входных данных определяется по dense_defaults[j], даже если он пуст. Если dense_defaults[j] не пуст и dense_shapes[j] определена полностью, форма dense_defaults[j] должна совпадать с dense_shapes[j]. Если старший размер в dense_shapes[j] не определён (плотный признак с переменным шагом), dense_defaults[j] должен содержать один элемент: элемент-заполнитель.
• num_sparse: Количество разреженных ключей.
• sparse_types: Список типов num_sparse; типы данных для данных в каждом Feature, указанном в sparse_keys. В настоящее время ParseExample поддерживает DT_FLOAT (FloatList), DT_INT64 (Int64List) и DT_STRING (BytesList).
• ragged_value_types: Список типов num_ragged; типы данных для данных в каждом Feature, указанном в ragged_keys (где num_ragged = sparse_keys.size()). В настоящее время ParseExample поддерживает DT_FLOAT (FloatList), DT_INT64 (Int64List) и DT_STRING (BytesList).
• ragged_split_types: Список типов num_ragged; типы данных для row_splits в каждом Feature, указанном в ragged_keys (где num_ragged = sparse_keys.size()). Может быть DT_INT32 или DT_INT64.
• dense_shapes: Список форм num_dense; формы данных в каждом Feature, указанном в dense_keys (где num_dense = dense_keys.size()). Число элементов в Feature, соответствующем dense_key[j], всегда должно быть равно dense_shapes[j].NumEntries(). Если dense_shapes[j] == (D0, D1, ..., DN), то форма выходного Tensor dense_values[j] будет (|serialized|, D0, D1, ..., DN): плотные выходные данные — это входные данные, объединённые в строки по пакетам. Это работает для dense_shapes[j] = (-1, D1, ..., DN). В этом случае форма выходного Tensor dense_values[j] будет (|serialized|, M, D1, .., DN), где M — максимальное количество блоков элементов длины D1 * .... * DN среди всех элементов мини-пакета во входных данных. Для любого элемента мини-пакета, содержащего меньше M блоков элементов длины D1 * ... * DN, вдоль второго измерения будет добавлено заполнение соответствующим скалярным элементом default_value.

Возвращает:

• OutputList sparse_indices
• OutputList sparse_values
• OutputList sparse_shapes
• OutputList dense_values
• OutputList ragged_values
• OutputList ragged_row_splits

Открытые атрибуты

::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

Открытые функции

 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
)