tensorflow API使用筆記 StringToHashBucketFast

tensorflow對(duì)類別特征牙甫,會(huì)先轉(zhuǎn)換成字符串掷酗,然后做hash。代碼實(shí)現(xiàn)如下:

template <uint64 hash(StringPiece)>
class StringToHashBucketOp : public OpKernel {
 public:
  explicit StringToHashBucketOp(OpKernelConstruction* ctx) : OpKernel(ctx) {
    OP_REQUIRES_OK(ctx, ctx->GetAttr("num_buckets", &num_buckets_));
  }

  void Compute(OpKernelContext* context) override {
    const Tensor* input_tensor;
    OP_REQUIRES_OK(context, context->input("input", &input_tensor));
    const auto& input_flat = input_tensor->flat<string>();

    Tensor* output_tensor = nullptr;
    OP_REQUIRES_OK(context,
                   context->allocate_output("output", input_tensor->shape(),
                                            &output_tensor));
    auto output_flat = output_tensor->flat<int64>();

    typedef decltype(input_flat.size()) Index;
    for (Index i = 0; i < input_flat.size(); ++i) {
      const uint64 input_hash = hash(input_flat(i));
      const uint64 bucket_id = input_hash % num_buckets_;
      // The number of buckets is always in the positive range of int64 so is
      // the resulting bucket_id. Casting the bucket_id from uint64 to int64 is
      // safe.
      output_flat(i) = static_cast<int64>(bucket_id);
    }
  }

 private:
  int64 num_buckets_;

  TF_DISALLOW_COPY_AND_ASSIGN(StringToHashBucketOp);
};

注意窟哺,這里定義了個(gè)模板類泻轰,其中hash是一個(gè)模板類型名。對(duì)模板的調(diào)用如下:

REGISTER_KERNEL_BUILDER(Name("StringToHashBucketFast").Device(DEVICE_CPU),
                        StringToHashBucketOp<Fingerprint64>);

以上且轨,定義在頭文件string_to_hash_bucket_op.h中浮声,實(shí)現(xiàn)在string_to_hash_bucket_op.cc里。

可以發(fā)現(xiàn)這里的hash函數(shù)使用的是Fingerprint64殖告,來自于google開源的farmhash阿蝶。

以下兩種實(shí)現(xiàn)是等價(jià)的:

const uint64 input_hash = hash(input_flat(i));

const uint64_t input_hash = NAMESPACE_FOR_HASH_FUNCTIONS::Fingerprint64(x.data(), x.size());
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市黄绩,隨后出現(xiàn)的幾起案子羡洁,更是在濱河造成了極大的恐慌,老刑警劉巖爽丹,帶你破解...
    沈念sama閱讀 217,542評(píng)論 6 504
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件筑煮,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡粤蝎,警方通過查閱死者的電腦和手機(jī)真仲,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,822評(píng)論 3 394
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來初澎,“玉大人秸应,你說我怎么就攤上這事虑凛。” “怎么了软啼?”我有些...
    開封第一講書人閱讀 163,912評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵桑谍,是天一觀的道長(zhǎng)。 經(jīng)常有香客問我祸挪,道長(zhǎng)锣披,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,449評(píng)論 1 293
  • 正文 為了忘掉前任贿条,我火速辦了婚禮雹仿,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘整以。我一直安慰自己胧辽,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,500評(píng)論 6 392
  • 文/花漫 我一把揭開白布公黑。 她就那樣靜靜地躺著票顾,像睡著了一般。 火紅的嫁衣襯著肌膚如雪帆调。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,370評(píng)論 1 302
  • 那天豆同,我揣著相機(jī)與錄音番刊,去河邊找鬼。 笑死影锈,一個(gè)胖子當(dāng)著我的面吹牛芹务,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播鸭廷,決...
    沈念sama閱讀 40,193評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼枣抱,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來了辆床?” 一聲冷哼從身側(cè)響起佳晶,我...
    開封第一講書人閱讀 39,074評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎讼载,沒想到半個(gè)月后轿秧,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,505評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡咨堤,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,722評(píng)論 3 335
  • 正文 我和宋清朗相戀三年菇篡,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片一喘。...
    茶點(diǎn)故事閱讀 39,841評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡驱还,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情议蟆,我是刑警寧澤闷沥,帶...
    沈念sama閱讀 35,569評(píng)論 5 345
  • 正文 年R本政府宣布,位于F島的核電站咪鲜,受9級(jí)特大地震影響狐赡,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜疟丙,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,168評(píng)論 3 328
  • 文/蒙蒙 一颖侄、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧享郊,春花似錦览祖、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,783評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至苔咪,卻和暖如春锰悼,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背团赏。 一陣腳步聲響...
    開封第一講書人閱讀 32,918評(píng)論 1 269
  • 我被黑心中介騙來泰國(guó)打工箕般, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人舔清。 一個(gè)月前我還...
    沈念sama閱讀 47,962評(píng)論 2 370
  • 正文 我出身青樓丝里,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親体谒。 傳聞我的和親對(duì)象是個(gè)殘疾皇子杯聚,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,781評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容