TensorFlow函数教程：tf.io.deserialize_many_sparse

tf.io.deserialize_many_sparse函数

别名：

• tf.deserialize_many_sparse
• tf.io.deserialize_many_sparse

tf.io.deserialize_many_sparse(
    serialized_sparse,
    dtype,
    rank=None,
    name=None
)

定义在：tensorflow/python/ops/sparse_ops.py。

从序列化的minibatch反序列化和连接SparseTensors。

输入serialized_sparse必须是shape为[N x 3]的字符串矩阵，其中N是最小批量大小，行对应于serialize_sparse打包输出。原始SparseTensor对象的秩必须全部匹配。当创建最终的SparseTensor时，它的秩高于传入SparseTensor对象的秩（它们已沿新行维度连接）。

输出SparseTensor对象的所有维度的shape值，但第一个是相应维度的输入SparseTensor对象的形状值的最大值。它的第一个形状值是N，即最小批量大小。

假设输入的SparseTensor对象的索引按标准字典顺序排序。如果不是这种情况，则在此步骤运行sparse.reorder后恢复索引排序。

例如，如果序列化输入是表示两个原始SparseTensor对象的[2, 3]矩阵：

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

和

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

然后最终反序列化SparseTensor将是：

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

参数：

• serialized_sparse：shape为[N, 3]，类型为string的2-D Tensor。序列化和打包的SparseTensor对象。
• dtype：序列化SparseTensor对象的dtype。
• rank:(可选）Python int，SparseTensor对象的秩。
• name：返回的张量的名称前缀（可选）

返回：

SparseTensor，表示反序列化的SparseTensors，沿着SparseTensors的第一个维度连接起来。

所有序列化的SparseTensors必须具有相同的秩和类型。