Python tf.io.deserialize_many_sparse用法及代码示例

从序列化的小批量中反序列化并连接 SparseTensors。

用法

tf.io.deserialize_many_sparse(
    serialized_sparse, dtype, rank=None, name=None
)

输入 serialized_sparse 必须是形状为 [N x 3] 的字符串矩阵，其中 N 是小批量大小，行对应于 serialize_sparse 的打包输出。原始SparseTensor 对象的等级必须全部匹配。创建最终的SparseTensor 时，它的排名比传入的SparseTensor 对象的排名高一级(它们已沿新的行维度连接)。

输出SparseTensor 对象的所有维度的形状值，但第一个是输入SparseTensor 对象对应维度的形状值的最大值。它的第一个形状值是 N ，即小批量大小。

假设输入SparseTensor 对象的索引按标准字典顺序排序。如果不是这种情况，则在此步骤之后运行sparse.reorder 以恢复索引顺序。

例如，如果序列化输入是一个 [2, 3] 矩阵，表示两个原始 SparseTensor 对象：

index = [ 0]
        [10]
        [20]
values = [1, 2, 3]
shape = [50]

和

index = [ 2]
        [10]
values = [4, 5]
shape = [30]

那么最终反序列化的SparseTensor 将是：

index = [0  0]
        [0 10]
        [0 20]
        [1  2]
        [1 10]
values = [1, 2, 3, 4, 5]
shape = [2 50]