tensorflow / tensorflow/java

How to convert DenseNDArray to NDArray ?

Ouverte
#458 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub

Personne n'a encore pris cette issue.

Langage dominant
Java
Étoiles
928
Forks
227
Métriques de merge des PR
Aucune PR mergée en 30 j

Description

HI , when I read TfRecordDataset from tfrecord file , I get the data type is DenseNDArray ,actual is DenseTString, I want to convert it to TString data.

my code -scala version

    val path = "/Volumes/Pink4T/transfer/code/github/stanford-tensorflow-tutorials/2017/data/friday.tfrecord"

    val dataset =  Dataset.tfRecordDataset(tf,path,"",0l).batch(10) // readData(path) //
//    DenseNdArray
    var count =0
    for (outputs <- dataset) {
      try {
        val batch1 = outputs.get(count).asTensor.asInstanceOf[TString]
        try {

          val byteNdArray:NdArray[Array[Byte]]= batch1.asBytes().asInstanceOf[NdArray[Array[Byte]]] //ByteNdArray]
         val bda = byteNdArray.asInstanceOf[DenseNdArray[TString]] // here !!! how to get   SparseNdArray?
          println(s"bda shape ${bda.shape()} ${kk.shape()}")

          count = count + 1
        } finally {
          if (batch1 != null) batch1.close()

        }
      }
    }

Guide de contribution

Ouvrir le guide de contribution

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Piste de recherche

Le rapport se concentre sur Dataset.tfRecordDataset et les types DenseNDArray, NDArray et TString dans l’exemple Scala. Commencez par retracer ces API et la documentation de conversion des tenseurs de TensorFlow Java. Le travail est considéré comme terminé lorsqu’un chemin de conversion pris en charge a été identifié et documenté, ou qu’il est clairement indiqué que la conversion demandée n’est pas disponible.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Évaluation

Stack technique
java, scala, tensorflow
Domaine
machine-learning
Type d'issue
Fonctionnalité
Difficulté
3/5
Temps estimé
1-2 jours
Activité
À l'abandon
Clarté
À clarifier
Accessibilité débutants
25/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.