W3Cschool
恭喜您成為首批注冊(cè)用戶
獲得88經(jīng)驗(yàn)值獎(jiǎng)勵(lì)
定義在:tensorflow/python/ops/parsing_ops.py.
請(qǐng)參閱指南:輸入和讀取器>協(xié)議緩沖區(qū)示例
從一個(gè)Example中分析稀疏輸入功能的配置.
請(qǐng)注意,最好使用VarLenFeature(可能與SequenceExample組合)來(lái)解析SparseTensors,而不是SparseFeature,由于其簡(jiǎn)單性.
這將通過解析一個(gè)帶有SparseFeature配置的一個(gè)Example來(lái)密切地模仿將獲得的SparseTensor,一個(gè)SparseFeature包含如下部分:
例如,我們可以表示下面的2D SparseTensor:
SparseTensor(indices=[[3, 1], [20, 0]],
values=[0.5, -1.0]
dense_shape=[100, 3])
帶有一個(gè)Example輸入原型:
features {
feature { key: "val" value { float_list { value: [ 0.5, -1.0 ] } } }
feature { key: "ix0" value { int64_list { value: [ 3, 20 ] } } }
feature { key: "ix1" value { int64_list { value: [ 1, 0 ] } } }
}
并且SparseFeature使用2個(gè)index_key配置:
SparseFeature(index_key=["ix0", "ix1"],
value_key="val",
dtype=tf.float32,
size=[100, 3])
index_key: 單個(gè)字符串名稱或索引功能的字符串名稱列表.對(duì)于每個(gè)鍵, 基礎(chǔ)特征的類型必須是 int64 的, 并且它的長(zhǎng)度必須始終與 value_key 特征的匹配.要代表 SparseTensors 與 dense_shape 等級(jí)高于1一個(gè)長(zhǎng)度等級(jí)名單應(yīng)該使用.value_key: 值功能的名稱.基礎(chǔ)特征的類型必須是 dtype 的, 并且它的長(zhǎng)度必須與所有 index_keys 的特征相匹配.dtype: value_key 特征的數(shù)據(jù)類型.大小: 一個(gè) Python int 或它的列表,
它指定稠密的形狀.應(yīng)該是一個(gè)列表, 如果和僅當(dāng) index_key 是一個(gè)列表.在這種情況下, 列表必須等于 index_key 的長(zhǎng)度.每個(gè)條目 i 所有值的 index_key [i] 功能必須在 [0, 大小 [i]).already_sorted: 一個(gè) Python 布爾值, 用于指定是否已按照 value_key 的索引位置對(duì)其進(jìn)行排序.如果是這樣跳過排序.默認(rèn)為 False (可選).
@staticmethod
__new__(
cls,
index_key,
value_key,
dtype,
size,
already_sorted=False
)
Copyright©2021 w3cschool編程獅|閩ICP備15016281號(hào)-3|閩公網(wǎng)安備35020302033924號(hào)
違法和不良信息舉報(bào)電話:173-0602-2364|舉報(bào)郵箱:jubao@eeedong.com
掃描二維碼
下載編程獅App
編程獅公眾號(hào)
聯(lián)系方式:
更多建議: