codecamp

TensorFlow函数:tf.string_to_hash_bucket_fast

tf.string_to_hash_bucket_fast函数

tf.string_to_hash_bucket_fast(
    input,
    num_buckets,
    name=None
)

请参阅指南:字符串操作>散列

通过多个 bucket 将输入张量中的每个字符串转换为哈希模式.

哈希函数对进程内字符串的内容是确定性的,并且永远不会改变.但是,它不适用于密码学.当 CPU 时间不足且输入可信或不重要时,可使用tf.string_to_hash_bucket_fast函数.需要注意的一个风险是,对手有可能将所有哈希值输入到同一个 bucket 中.为了防止这个问题,使用一个强大的散列函数:tf.string_to_hash_bucket_strong.

函数参数:

  • input:一个 string 类型的 Tensor,表示要分配散列 bucket 的字符串.
  • num_buckets:一个大于等于 1 的 int,表示 bucket 的数量.
  • name:操作的名称(可选).

函数返回值:

该tf.string_to_hash_bucket_fast函数返回一个 int64 类型的 Tensor.

TensorFlow函数:tf.string_to_hash_bucket
TensorFlow函数:tf.string_to_hash_bucket_strong
温馨提示
下载编程狮App,免费阅读超1000+编程语言教程
取消
确定
目录

TensorFlow 函数介绍

TensorFlow 函数模块:tf

TensorFlow的image模块

TensorFlow使用之tf.io

TensorFlow使用之tf.keras

TensorFlow函数教程:tf.keras.applications

TensorFlow函数教程:tf.keras.backend

TensorFlow使用之tf.metrics

TensorFlow使用之tf.nn

TensorFlow使用之tf.python_io

TensorFlow 功能函数

关闭

MIP.setData({ 'pageTheme' : getCookie('pageTheme') || {'day':true, 'night':false}, 'pageFontSize' : getCookie('pageFontSize') || 20 }); MIP.watch('pageTheme', function(newValue){ setCookie('pageTheme', JSON.stringify(newValue)) }); MIP.watch('pageFontSize', function(newValue){ setCookie('pageFontSize', newValue) }); function setCookie(name, value){ var days = 1; var exp = new Date(); exp.setTime(exp.getTime() + days*24*60*60*1000); document.cookie = name + '=' + value + ';expires=' + exp.toUTCString(); } function getCookie(name){ var reg = new RegExp('(^| )' + name + '=([^;]*)(;|$)'); return document.cookie.match(reg) ? JSON.parse(document.cookie.match(reg)[2]) : null; }