tf.compat.v1.nn.embedding_lookup_sparse

Выполняет поиск вложения для заданных идентификаторов и весов из списка тензоров.

tf.compat.v1.nn.embedding_lookup_sparse(
    params,
    sp_ids,
    sp_weights,
    partition_strategy='mod',
    name=None,
    combiner=None,
    max_norm=None,
    allow_fast_lookup=False
)

Этот оператор предполагает, что для каждой строки в плотной тензорной структуре, представленной sp_ids (т.е. нет строк с пустыми атрибутами), а все индексы sp_ids расположены в каноническом порядке строк.

sp_ids и sp_weights (если не None) являются SparseTensor или RaggedTensor с рангом 2. Для SpareTensor с левым выравниванием ненулевых элементов, которые можно описать как RaggedTensor, использование RaggedTensor может повысить производительность.

Он также предполагает, что все значения id лежат в диапазоне [0, p0), где p0 — сумма размера параметров по размерности 0.

Аргументы
`params`	Один тензор, представляющий полный тензор вложений, или список тензоров, все с одинаковой формой, за исключением первого измерения, представляющих фрагментированные тензоры вложений. В качестве альтернативы, `PartitionedVariable`, созданный путем разделения по размерности 0. Каждый элемент должен быть соответствующего размера для заданного `partition_strategy`.
`sp_ids`	N x M `SparseTensor` целочисленных идентификаторов int64, где N — обычно размер пакета, а M — произвольное или `RaggedTensor` с рангом 2.
`sparse_weights`	`SparseTensor` или `RaggedTensor` того же типа и формы, что и `sparse_ids`, содержащие весовые коэффициенты float / double, соответствующие `sparse_ids`, или `None`, если все весовые коэффициенты предполагаются равными 1,0.
`partition_strategy`	Строка, определяющая стратегию разбиения, важная, если `len(params) > 1`. В настоящее время поддерживаются `"div"` и `"mod"`. По умолчанию используется `"mod"`. Подробнее см. `tf.nn.embedding_lookup`.
`name`	Необязательное имя для оператора.
`combiner`	Строка, определяющая оператор сокращения. В настоящее время поддерживаются "mean", "sqrtn" и "sum". "sum" вычисляет взвешенную сумму результатов вложений для каждой строки. "mean" — взвешенная сумма, деленная на общий вес. "sqrtn" — взвешенная сумма, деленная на квадратный корень из суммы квадратов весов. По умолчанию `mean`.
`max_norm`	Если не `None`, каждое вложение ограничено, если его l2-норма превышает это значение, перед объединением.
`allow_fast_lookup`	Необязательный логический параметр, указывающий, разрешить ли упрощенные запросы вложения, когда `params` является единственным тензором, а `max_norm` является `None`. Установка этого флага в `True` во время обучения может привести к использованию плотных градиентов с увеличенным объемом памяти.

Возвращаемое значение

Возвращаемое значение
Плотный тензор, представляющий объединенные вложения для разреженных идентификаторов. Для каждой строки в плотном тензоре, представленном `sp_ids`, оператор выполняет поиск вложений для всех идентификаторов в этой строке, умножает их на соответствующий весовой коэффициент и объединяет эти вложения в соответствии со спецификацией. Другими словами, если `shape(combined params) = [p0, p1, ..., pm]` и `shape(sp_ids) = shape(sp_weights) = [d0, d1]` тогда `shape(output) = [d0, p1, ..., pm]`. Например, если params — матрица 10x20, а sp_ids / sp_weights — [0, 0]: id 1, weight 2.0 [0, 1]: id 3, weight 0.5 [1, 0]: id 0, weight 1.0 [2, 3]: id 1, weight 3.0 при `combiner`="mean", то выход будет матрицей 3x20, где output[0, :] = (params[1, :] * 2.0 + params[3, :] * 0.5) / (2.0 + 0.5) output[1, :] = (params[0, :] * 1.0) / 1.0 output[2, :] = (params[1, :] * 3.0) / 3.0

Плотный тензор, представляющий объединенные вложения для разреженных идентификаторов. Для каждой строки в плотном тензоре, представленном sp_ids, оператор выполняет поиск вложений для всех идентификаторов в этой строке, умножает их на соответствующий весовой коэффициент и объединяет эти вложения в соответствии со спецификацией.

Другими словами, если

shape(combined params) = [p0, p1, ..., pm]

shape(sp_ids) = shape(sp_weights) = [d0, d1]

тогда

shape(output) = [d0, p1, ..., pm].

Например, если params — матрица 10x20, а sp_ids / sp_weights —

[0, 0]: id 1, weight 2.0
[0, 1]: id 3, weight 0.5
[1, 0]: id 0, weight 1.0
[2, 3]: id 1, weight 3.0

при combiner="mean", то выход будет матрицей 3x20, где

output[0, :] = (params[1, :] * 2.0 + params[3, :] * 0.5) / (2.0 + 0.5)
output[1, :] = (params[0, :] * 1.0) / 1.0
output[2, :] = (params[1, :] * 3.0) / 3.0

Исключения
`TypeError`	Если `sp_ids` не является `SparseTensor` или `RaggedTensor`, или если `sp_weights` не является ни `None`, ни того же типа, что и `sp_ids`.
`ValueError`	Если `combiner` не равно одному из {"mean", "sqrtn", "sum"}.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/compat/v1/nn/embedding_lookup_sparse