Python tf.raw_ops.SparseCrossHashed用法及代码示例

从稀疏和密集张量列表生成稀疏交叉。

用法

tf.raw_ops.SparseCrossHashed(
    indices, values, shapes, dense_inputs, num_buckets, strong_hash, salt, name=None
)

参数

indices 类型为 int64 的 Tensor 对象列表。二维。每个输入的索引 SparseTensor 。
values Tensor 对象列表，其类型来自：int64 , string。一维。每个 SparseTensor 的值。
shapes 与类型为 int64 的 Tensor 对象的 indices 长度相同的列表。一维。每个 SparseTensor 的形状。
dense_inputs Tensor 对象列表，其类型来自：int64 , string。二维。由密集 Tensor 表示的列。
num_buckets Tensor 类型为 int64 。如果hashed_output 为真，则使用它。输出 = hashed_value%num_buckets 如果 num_buckets > 0 否则 hashed_value。
strong_hash Tensor 类型为 bool 。布尔值，如果为真，将使用带盐的 siphash 代替 farmhash。
salt Tensor 类型为 int64 。指定 siphash 函数将使用的盐。
name 操作的名称(可选)。

Tensor 对象的元组(output_indices、output_values、output_shape)。
output_indices Tensor 类型为 int64 。
output_values Tensor 类型为 int64 。
output_shape Tensor 类型为 int64 。

该操作采用两个列表，一个是 2D SparseTensor ，另一个是 2D Tensor ，每个列表代表一个特征列的特征。它输出具有这些特征的批量交叉的 2D SparseTensor。

例如，如果输入是

inputs[0]:SparseTensor with shape = [2, 2]
[0, 0]:"a"
[1, 0]:"b"
[1, 1]:"c"

inputs[1]:SparseTensor with shape = [2, 1]
[0, 0]:"d"
[1, 0]:"e"

inputs[2]:Tensor [["f"], ["g"]]

那么输出将是

shape = [2, 2]
[0, 0]:"a_X_d_X_f"
[1, 0]:"b_X_e_X_g"
[1, 1]:"c_X_e_X_g"

如果 hashed_output=true 那么输出将是

shape = [2, 2]
[0, 0]:FingerprintCat64(
            Fingerprint64("f"), FingerprintCat64(
                Fingerprint64("d"), Fingerprint64("a")))
[1, 0]:FingerprintCat64(
            Fingerprint64("g"), FingerprintCat64(
                Fingerprint64("e"), Fingerprint64("b")))
[1, 1]:FingerprintCat64(
            Fingerprint64("g"), FingerprintCat64(
                Fingerprint64("e"), Fingerprint64("c")))

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.raw_ops.SparseCrossHashed。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。

用法

参数

返回