ndex_to_string_table_from_file和index_table_from_file

py3。从文件中构建int->string映射和string->int映射,分别返回tf.contrib.lookup.HashTable对象和tf.contrib.lookup.IdTableWithHashBuckets对象,其中的属性及函数参考链接。

但是index_to_string_table_from_file和index_table_from_file都返回的hashtable的key的字符串居然是bytes类型,不是str,可能是因为tf.string默认是utf-8编码的bytes,而不是py3的unicode。

输入:

B-DET
B-TYPE
E-DET
E-TYPE
I-DET
I-TYPE
O
S-DET
S-TYPE
工

代码及输出:

import tensorflow as tfindices = tf.constant([1, 5, 9], tf.int64)
reverse_vocab_tags = tf.contrib.lookup.index_to_string_table_from_file('vocab.tags.txt')values1 = reverse_vocab_tags.lookup(indices)
values = reverse_vocab_tags.export()
with tf.Session() as sess:tf.tables_initializer().run()print(values1.eval())print(sess.run(values))

[b'B-TYPE' b'I-TYPE' b'\xe5\xb7\xa5']
(array([9, 8, 7, 6, 5, 4, 3, 2, 1, 0]), array([b'\xe5\xb7\xa5', b'S-TYPE', b'S-DET', b'O', b'I-TYPE', b'I-DET',
       b'E-TYPE', b'E-DET', b'B-TYPE', b'B-DET'], dtype=object))

import tensorflow as tffeatures = tf.constant(['工', 'a', 'O', 'b'])
# print(type('工')) # str
reverse_vocab_tags = tf.contrib.lookup.index_table_from_file('vocab.tags.txt', key_dtype=tf.dtypes.string, num_oov_buckets=1)values = reverse_vocab_tags.lookup(features)
with tf.Session() as sess:tf.tables_initializer().run()print(values.eval())

[ 9 10  6 10]

[tf.contrib.lookup.index_table_from_file]

[tf.contrib.lookup.index_to_string_table_from_file]

from: -柚子皮-

ref:

Tensorflow:tf.contrib.lookup索引构建和查询相关推荐

  1. TensorFlow——tf.contrib.layers库中的相关API

    在TensorFlow中封装好了一个高级库,tf.contrib.layers库封装了很多的函数,使用这个高级库来开发将会提高效率,卷积函数使用tf.contrib.layers.conv2d,池化函 ...

  2. TensorFlow学习笔记12----Creating Estimators in tf.contrib.learn

    原文教程:tensorflow官方教程 记录关键内容与学习感受.未完待续.. Creating Estimators in tf.contrib.learn --tf.contrib.learn框架, ...

  3. TensorFlow tf.data 导入数据(tf.data官方教程) * * * * *

    原文链接:https://blog.csdn.net/u014061630/article/details/80728694 TensorFlow版本:1.10.0 > Guide > I ...

  4. Tensorflow高级API的进阶--利用tf.contrib.learn建立输入函数

    正文共5958个字,预计阅读时间15分钟. 笔记整理者:王小草 笔记整理时间:2017年2月27日 笔记对应的官方文档:https://www.tensorflow.org/get_started/i ...

  5. tensorflow兼容处理 tensorflow.compat.v1 tf.contrib

    20201130 问题提出: v1版本中tensorflow中contrib模块十分丰富,但是发展不可控,因此在v2版本中将这个模块集成到其他模块中去了.在学习tensorflow经常碰到tf.con ...

  6. tensorflow 图像教程 の TF Layers 教程:构建卷积神经网络

    文章目录 TF Layers 教程:构建卷积神经网络 卷积神经网络的简介 构建基于卷积神经网络的 MNIST 分类器 输入层 第一个卷积层 第一个池化层 第二个卷积层和池化层 全连接层 Logits ...

  7. 重磅 | TensorFlow 2.0即将发布,所有tf.contrib将被弃用

    作者 | 阿司匹林 出品 | AI科技大本营(公众号ID:rgznai100) 上周,谷歌刚刚发布了 TensorFlow 1.10.0 版本(详见<TensorFlow 版本 1.10.0 发 ...

  8. TensorFlow高层次机器学习API (tf.contrib.learn)

    TensorFlow高层次机器学习API (tf.contrib.learn) 1.tf.contrib.learn.datasets.base.load_csv_with_header 加载csv格 ...

  9. Tensorflow:tf.contrib.rnn.DropoutWrapper函数(谷歌已经为Dropout申请了专利!)、MultiRNNCell函数的解读与理解

    Tensorflow:tf.contrib.rnn.DropoutWrapper函数(谷歌已经为Dropout申请了专利!).MultiRNNCell函数的解读与理解 目录 1.tf.contrib. ...

  10. TF学习——TF之API:TensorFlow的高级机器学习API—tf.contrib.learn的简介、使用方法、案例应用之详细攻略

    TF学习--TF之API:TensorFlow的高级机器学习API-tf.contrib.learn的简介.使用方法.案例应用之详细攻略 目录 tf.contrib.learn的简介 tf.contr ...

最新文章

  1. ios开发日记-18上传appStore时,遇到错误,代码为ERROR ITMS-90049
  2. RTP协议全解(H264码流和PS流)
  3. python 底层原理_Python 探针实现原理
  4. sqlite 统计每张表的记录数_Excel单页式人事管理表,档案记录,自带查询统计,简单实用...
  5. Redis学习笔记--Redis数据过期策略详解==转
  6. ExtJs UI框架学习六
  7. LeetCode 2080. 区间内查询数字的频率(哈希+二分查找)
  8. ModuleNotFoundError: No module named ‘torch.utils.serialization‘解决
  9. 【Vue.js源码解析 一】-- 响应式原理
  10. java键盘输入一个数_Java如何实现从键盘输入一个数?
  11. Docker 创建新的开源社区,开发 Compose Specification
  12. docker mysql 远程连接_Docker MySQL的安装与远程连接
  13. c语言中用double写圆的面积,用java写一个函数area,接收一个double类型的参数(表示圆的半径r),用于计算圆的面积...
  14. Deepin_wine安装超星阅读器及解决乱码问题
  15. Python + ElasticSearch:轻松玩转跨越千年的两百三十万条地震数据
  16. 51单片机下的温控智能小风扇
  17. 洛谷——P2342 叠积木
  18. H5 百度高德地图导航
  19. 阿里代运营一定要掌握的几大技能!
  20. 区块链学习者终极指南

热门文章

  1. SQL导入/导出Excel
  2. P2046 [NOI2010]海拔
  3. ehcache讲解及实例
  4. Oracle中 ORA-12704:字符集不匹配
  5. 修改msde登录方式,设置sa密码为空
  6. 怎么将后缀为.opt,.frm,.myd,.myi文件还原或者是导入mySQL中
  7. fastText:极快的文本分类工具
  8. 天池-新冠疫情相似句对判定大赛top6方案及源码
  9. 【面经】NLP算法-字节跳动
  10. 【干货】长文详解Attention的前世今生