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

從 SparseTensorsMap 中讀取 SparseTensors 並將它們連接起來。

用法

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

參數

sparse_handles Tensor 類型為 int64 。 1-D，N 序列化 SparseTensor 對象。形狀：[N]。
dtype 一個tf.DType。 SparseTensor 對象的 dtype 存儲在 SparseTensorsMap 中。
container 可選的 string 。默認為 "" 。此操作讀取的SparseTensorsMap 的容器名稱。
shared_name 可選的 string 。默認為 "" 。此操作讀取的SparseTensorsMap 的共享名稱。它不應為空；而應該使用shared_name 或創建原始SparseTensorsMap 的操作的唯一操作名稱。
name 操作的名稱(可選)。

Tensor 對象的元組(sparse_indices、sparse_values、sparse_shape)。
sparse_indices Tensor 類型為 int64 。
sparse_values Tensor 類型為 dtype 。
sparse_shape Tensor 類型為 int64 。

輸入 sparse_handles 必須是形狀為 [N, 1] 的 int64 矩陣，其中 N 是小批量大小，行對應於 AddSparseToTensorsMap 或 AddManySparseToTensorsMap 的輸出句柄。進入給定輸入操作的原始SparseTensor 對象的等級必須全部匹配。當最終的 SparseTensor 創建時，它的排名比傳入的 SparseTensor 對象的排名高一級(它們已沿左側的新行維度連接)。

輸出SparseTensor 對象的所有維度的形狀值，但第一個是輸入SparseTensor 對象對應維度的形狀值的最大值。它的第一個形狀值是 N ，即小批量大小。

假設輸入SparseTensor 對象的索引按標準字典順序排序。如果不是這種情況，則在此步驟之後運行SparseReorder 以恢複索引順序。

例如，如果句柄表示一個輸入，它是一個 [2, 3] 矩陣，表示兩個原始 SparseTensor 對象：

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

和

index = [ 2]
            [10]
    values = [4, 5]
    shape = [30]

那麽最終的 SparseTensor 將是：

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

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.TakeManySparseFromTensorsMap。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