Python tf.lookup.experimental.DenseHashTable用法及代码示例

具有更快查找和更高内存使用率的可变哈希表。

继承自：TrackableResource

用法

tf.lookup.experimental.DenseHashTable(
    key_dtype, value_dtype, default_value, empty_key, deleted_key,
    initial_num_buckets=None, name='MutableDenseHashTable',
    checkpoint=True, experimental_is_anonymous=False
)

参数

key_dtype 关键张量的类型。
value_dtype 值张量的类型。
default_value 表中缺少键时使用的值。
empty_key 用于在内部表示空桶的键。不得用于插入、删除或查找操作。
deleted_key 用于在内部表示已删除存储桶的键。不得用于插入、删除或查找操作，并且与 empty_key 不同。
initial_num_buckets 桶的初始数量(可选，默认为 2^17=131072)。请注意，默认值相对较大(~1MB)，因此如果您要创建许多表(可能是 experimental_is_anonymous 为 True 的情况)，您应该将 initial_num_buckets 设置为较小的值以减少内存使用.
name 操作的名称(可选)。
checkpoint 如果为 True，则表的内容将保存到检查点并从检查点恢复。如果检查点表的shared_name 为空，则使用表节点名称共享它。
experimental_is_anonymous 是否对表使用匿名模式(默认为 False)。在匿名模式下，表资源只能通过资源句柄访问。它不能通过名字来查找。当所有指向该资源的资源句柄都消失时，该资源将被自动删除。

抛出

ValueError 如果检查点为 True 且未指定名称。

属性

key_dtype 表键数据类型。
name 表的名称。
resource_handle 返回与此资源关联的资源句柄。
value_dtype 表值 dtype。

可以通过调用insert 方法插入数据，并通过调用remove 方法删除数据。它不支持通过 init 方法进行初始化。

与 MutableHashTable , DenseHashTable 相比，通常提供更快的 insert , remove 和 lookup 操作，以换取更高的整体内存占用。

它使用带有二次重新探测的"open addressing" 来解决冲突。这需要在键空间中指定两个键 empty_key 和 deleted_key ，它们永远不会插入到表中。

与MutableHashTable , DenseHashTable 不同的是，在检查点和恢复操作期间创建的临时张量不需要额外的内存。

示例用法：

table = tf.lookup.experimental.DenseHashTable(
    key_dtype=tf.string,
    value_dtype=tf.int64,
    default_value=-1,
    empty_key='',
    deleted_key='$')
keys = tf.constant(['a', 'b', 'c'])
values = tf.constant([0, 1, 2], dtype=tf.int64)
table.insert(keys, values)
table.remove(tf.constant(['c']))
table.lookup(tf.constant(['a', 'b', 'c','d'])).numpy()
array([ 0,  1, -1, -1])

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.lookup.experimental.DenseHashTable。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。