Python tf.compat.v1.lookup.StaticHashTable用法及代碼示例

一個初始化後不可變的通用哈希表。

繼承自：StaticHashTable，TrackableResource

用法

tf.compat.v1.lookup.StaticHashTable(
    initializer, default_value, name=None, experimental_is_anonymous=False
)

參數

initializer 要使用的表初始值設定項。有關受支持的鍵和值類型，請參閱HashTable 內核。
default_value 表中缺少鍵時使用的值。
name 操作的名稱(可選)。
experimental_is_anonymous 是否對表使用匿名模式(默認為 False)。在匿名模式下，表資源隻能通過資源句柄訪問。它不能通過名字來查找。當所有指向該資源的資源句柄都消失時，該資源將被自動刪除。

屬性

default_value 表的默認值。
initializer
key_dtype 表鍵數據類型。
name 表的名稱。
resource_handle 返回與此資源關聯的資源句柄。
value_dtype 表值 dtype。

在圖形模式下運行時，必須先評估 tf.tables_initializer() 返回的張量，然後再評估此類的 lookup() 方法返回的張量。圖形模式下的示例用法：

keys_tensor = tf.constant([1, 2])
vals_tensor = tf.constant([3, 4])
input_tensor = tf.constant([1, 5])
table = tf.lookup.StaticHashTable(
    tf.lookup.KeyValueTensorInitializer(keys_tensor, vals_tensor), -1)
out = table.lookup(input_tensor)
with tf.Session() as sess:
    sess.run(tf.tables_initializer())
    print(sess.run(out))

請注意，在圖形模式下，如果將 experimental_is_anonymous 設置為 True ，則應僅調用 Session.run 一次，否則每個 Session.run 將創建(並銷毀)一個彼此無關的新表，從而導致諸如“表未初始化”。你可以這樣做：

keys_tensor = tf.constant([1, 2])
vals_tensor = tf.constant([3, 4])
input_tensor = tf.constant([1, 5])
table = tf.lookup.StaticHashTable(
    tf.lookup.KeyValueTensorInitializer(keys_tensor, vals_tensor), -1,
    experimental_is_anonymous=True)
with tf.control_dependencies([tf.tables_initializer()]):
  out = table.lookup(input_tensor)
with tf.Session() as sess:
  print(sess.run(out))

在 Eager 模式下，不需要特殊代碼來初始化表。即刻模式下的示例用法：

tf.enable_eager_execution()
keys_tensor = tf.constant([1, 2])
vals_tensor = tf.constant([3, 4])
input_tensor = tf.constant([1, 5])
table = tf.lookup.StaticHashTable(
    tf.lookup.KeyValueTensorInitializer(keys_tensor, vals_tensor), -1)
print(table.lookup(input_tensor))

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.compat.v1.lookup.StaticHashTable。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。