tensorflow::ops::ParseExampleV2

#include <parsing_ops.h>

Преобразует вектор tf.Example протоколов (как строки) в типизированные тензоры.

Краткое описание

Аргументы:

• scope: Объект Scope
• serialized: Скаляр или вектор, содержащий двоично сериализованные Example протоколы.
• names: Тензор, содержащий имена сериализованных протоколов. Соответствует 1:1 с тензором serialized. Может содержать, например, имена ключей таблицы (описательные) для соответствующих сериализованных протоколов. Они необходимы только для отладки, и наличие значений здесь не влияет на вывод. Может быть также пустым вектором, если имена недоступны. Если не пустой, этот тензор должен иметь ту же форму, что и "serialized".
• sparse_keys: Вектор строк. Ключи, ожидаемые в функциях Examples, связанные с разреженными значениями.
• dense_keys: Вектор строк. Ключи, ожидаемые в функциях Examples, связанные с плотными значениями.
• ragged_keys: Вектор строк. Ключи, ожидаемые в функциях Examples, связанные с разреженными значениями.
• dense_defaults: Список тензоров (некоторые могут быть пустыми). Соответствует 1:1 с dense_keys. dense_defaults[j] предоставляет значения по умолчанию, когда функция feature_map примера не содержит dense_key[j]. Если для dense_defaults[j] предоставлен пустой Tensor, то Feature dense_keys[j] необходим. Тип входных данных определяется из dense_defaults[j], даже если он пустой. Если dense_defaults[j] не пустой, а dense_shapes[j] полностью определён, то форма dense_defaults[j] должна совпадать с dense_shapes[j]. Если dense_shapes[j] имеет неопределённую главную размерность (размерная плотность функции), dense_defaults[j] должен содержать один элемент: элемент заполнения.
• num_sparse: Количество разреженных ключей.
• sparse_types: Список num_sparse типов; типы данных данных в каждом Feature, заданные в sparse_keys. В настоящее время ParseExample поддерживает DT_FLOAT (FloatList), DT_INT64 (Int64List) и DT_STRING (BytesList).
• ragged_value_types: Список num_ragged типов; типы данных данных в каждом Feature, заданные 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 num_ragged типов; типы данных row_splits в каждом Feature, заданные в ragged_keys (где num_ragged = sparse_keys.size()). Может быть DT_INT32 или DT_INT64.
• dense_shapes: Список num_dense форм; формы данных в каждом Feature, заданные в dense_keys (где num_dense = dense_keys.size()). Количество элементов в Feature, соответствующем dense_key[j], всегда должно равняться dense_shapes[j].NumEntries(). Если dense_shapes[j] == (D0, D1, ..., DN), то форма выходного Tensor dense_values[j] будет (|serialized|, D0, D1, ..., DN): Плотное выходное значение просто складывает входные значения по строкам по партиям. 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 длиной D1 * .... * DN по всем записям мини-пакета на входе. Любая запись мини-пакета с менее чем M блоками элементов длиной D1 * ... * DN будет дополнена соответствующим скалярным элементом default_value вдоль второго измерения.

Возвращает:

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

Общедоступные 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

Общедоступные 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
)