Python tf.RaggedTensor.from_row_splits用法及代码示例

用法

@classmethod
from_row_splits(
    values, row_splits, name=None, validate=True
)

参数

values 形状可能参差不齐的张量 [nvals, ...] 。
row_splits 形状为 [nrows+1] 的一维整数张量。不能为空，必须按升序排序。 row_splits[0] 必须为零并且 row_splits[-1] 必须是 nvals 。
name RaggedTensor 的名称前缀(可选)。
validate 如果为真，则使用断言检查参数是否形成有效的 RaggedTensor 。注意：这些断言会产生运行时成本，因为必须检查每个张量值。

一个RaggedTensor。 result.rank = values.rank + 1 。 result.ragged_rank = values.ragged_rank + 1 。

抛出

ValueError 如果 row_splits 是一个空列表。

创建一个 RaggedTensor ，其中行由 row_splits 分区。

返回的 RaggedTensor 对应于由以下定义的 python 列表：

result = [values[row_splits[i]:row_splits[i + 1]]
          for i in range(len(row_splits) - 1)]

例子：

print(tf.RaggedTensor.from_row_splits(
    values=[3, 1, 4, 1, 5, 9, 2, 6],
    row_splits=[0, 4, 4, 7, 8, 8]))
<tf.RaggedTensor [[3, 1, 4, 1], [], [5, 9, 2], [6], []]>

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.RaggedTensor.from_row_splits。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。