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

从 SparseTensorsMap 中读取 SparseTensors 并将它们连接起来。

用法

tf.raw_ops.TakeManySparseFromTensorsMap(
    sparse_handles, dtype, container='', shared_name='',
    name=None
)

参数

sparse_handles Tensor 类型为 int64 。 1-D，N 序列化 SparseTensor 对象。形状：[N]。
dtype 一个tf.DType。 SparseTensor 对象的 dtype 存储在 SparseTensorsMap 中。
container 可选的 string 。默认为 "" 。此操作读取的SparseTensorsMap 的容器名称。
shared_name 可选的 string 。默认为 "" 。此操作读取的SparseTensorsMap 的共享名称。它不应为空；而应该使用shared_name 或创建原始SparseTensorsMap 的操作的唯一操作名称。
name 操作的名称(可选)。

Tensor 对象的元组(sparse_indices、sparse_values、sparse_shape)。
sparse_indices Tensor 类型为 int64 。
sparse_values Tensor 类型为 dtype 。
sparse_shape Tensor 类型为 int64 。

输入 sparse_handles 必须是形状为 [N, 1] 的 int64 矩阵，其中 N 是小批量大小，行对应于 AddSparseToTensorsMap 或 AddManySparseToTensorsMap 的输出句柄。进入给定输入操作的原始SparseTensor 对象的等级必须全部匹配。当最终的 SparseTensor 创建时，它的排名比传入的 SparseTensor 对象的排名高一级(它们已沿左侧的新行维度连接)。

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SparseReorder 以恢复索引顺序。

例如，如果句柄表示一个输入，它是一个 [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]

那么最终的 SparseTensor 将是：

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

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.TakeManySparseFromTensorsMap。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