tf.compat.v1.nn.embedding_lookup_sparse

Выполняет поиск эмбеддингов 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
)

Эта операция предполагает, что для каждой строки в плотном тензоре, представленном sp_ids, имеется как минимум один идентификатор (то есть нет строк с пустыми признаками), а все индексы sp_ids расположены в каноническом построчном порядке.

sp_ids и sp_weights (если не None) являются SparseTensors или RaggedTensors ранга 2. Для SpareTensors с ненулевыми элементами, выровненными по левому краю и представимыми как RaggedTensors, использование RaggedTensors может обеспечить более высокую производительность.

Кроме того, предполагается, что все значения идентификаторов находятся в диапазоне [0, p0), где p0 — сумма размера params по измерению 0.

Аргументы
`params`	Один тензор, представляющий полный тензор эмбеддингов, или список тензоров одинаковой формы, за исключением первого измерения, представляющих разделённые на шарды тензоры эмбеддингов. Также может быть `PartitionedVariable`, созданным путём разделения по измерению 0. Размер каждого элемента должен соответствовать заданному `partition_strategy`.
`sp_ids`	N x M `SparseTensor` идентификаторов типа int64, где N обычно соответствует размеру пакета, а M может быть произвольным, или `RaggedTensor` ранга 2.
`sparse_weights`	`SparseTensor` или `RaggedTensor` того же типа и формы, что и `sparse_ids`, содержащий веса типа float / double, соответствующие `sparse_ids`, или `None`, если предполагается, что все веса равны 1.0.
`partition_strategy`	Строка, задающая стратегию разделения на шарды; имеет значение, если `len(params) > 1`. В настоящее время поддерживаются `"div"` и `"mod"`. Значение по умолчанию — `"mod"`. Подробнее см. `tf.nn.embedding_lookup`.
`name`	Необязательное имя операции.
`combiner`	Строка, задающая операцию редукции. В настоящее время поддерживаются "mean", "sqrtn" и "sum". "sum" вычисляет взвешенную сумму результатов эмбеддингов для каждой строки. "mean" — это взвешенная сумма, делённая на общий вес. "sqrtn" — это взвешенная сумма, делённая на квадратный корень из суммы квадратов весов. Значение по умолчанию — `mean`.
`max_norm`	Если значение не равно `None`, каждый эмбеддинг перед объединением ограничивается, если его l2-норма превышает это значение.
`allow_fast_lookup`	Необязательное логическое значение, указывающее, разрешено ли упрощённое получение эмбеддингов, когда `params` — это один тензор, а `max_norm` — `None`. Установка этого флага в `True` во время обучения может привести к использованию плотных градиентов с увеличенным потреблением памяти.

Возвращает

Возвращает
Плотный тензор, представляющий объединённые эмбеддинги для разреженных идентификаторов. Для каждой строки в плотном тензоре, представленном `sp_ids`, операция находит эмбеддинги для всех идентификаторов в этой строке, умножает их на соответствующие веса и объединяет их указанным способом. Другими словами, если `shape(combined params) = [p0, p1, ..., pm]` и `shape(sp_ids) = shape(sp_weights) = [d0, d1]` то `shape(output) = [d0, p1, ..., pm]`. Например, если params — это матрица размером 10x20, а sp_ids / sp_weights имеют вид [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", результатом будет матрица размером 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 объединённые эмбеддинги для разреженных идентификаторов. Для каждой строки в плотном тензоре, представленном sp_ids, операция находит эмбеддинги для всех идентификаторов в этой строке, умножает их на соответствующие веса и объединяет их указанным способом.

Другими словами, если

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

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

то

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

Например, если params — это матрица размером 10x20, а sp_ids / sp_weights имеют вид

[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", результатом будет матрица размером 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

Вызывает исключения
`TypeError`	Если `sp_ids` не является `SparseTensor` или `RaggedTensor` либо если `sp_weights` не является `None` и не имеет тот же тип, что и `sp_ids`.
`ValueError`	Если `combiner` не входит в {"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