Python tf.raw_ops.SparseCrossV2用法及代碼示例

從稀疏和密集張量列表生成稀疏交叉。

用法

tf.raw_ops.SparseCrossV2(
    indices, values, shapes, dense_inputs, sep, name=None
)

參數

indices 類型為 int64 的 Tensor 對象列表。二維。每個輸入的索引 SparseTensor 。
values Tensor 對象列表，其類型來自：int64 , string。一維。每個 SparseTensor 的值。
shapes 與類型為 int64 的 Tensor 對象的 indices 長度相同的列表。一維。每個 SparseTensor 的形狀。
dense_inputs Tensor 對象列表，其類型來自：int64 , string。二維。由密集 Tensor 表示的列。
sep Tensor 類型為 string 。加入字符串輸入列表時使用的字符串，以後可以用作分隔符。
name 操作的名稱(可選)。

Tensor 對象的元組(output_indices、output_values、output_shape)。
output_indices Tensor 類型為 int64 。
output_values Tensor 類型為 string 。
output_shape Tensor 類型為 int64 。

該操作采用兩個列表，一個是 2D SparseTensor ，另一個是 2D Tensor ，每個列表代表一個特征列的特征。它輸出具有這些特征的批量交叉的 2D SparseTensor。

例如，如果輸入是

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"]]

那麽輸出將是

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 那麽輸出將是

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.raw_ops.SparseCrossV2。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。

用法

參數

返回