tf.compat.v1.sparse_concat

Объединяет список SparseTensor вдоль указанного измерения. (устаревшие аргументы)

tf.compat.v1.sparse_concat(
    axis,
    sp_inputs,
    name=None,
    expand_nonconcat_dim=False,
    concat_dim=None,
    expand_nonconcat_dims=None
)

Объединение выполняется относительно плотных представлений каждого разреженного входного значения. Предполагается, что каждый вход представляет собой SparseTensor, элементы которого упорядочены по возрастанию номера измерения.

Если expand_nonconcat_dim имеет значение False, формы всех входных значений должны совпадать, за исключением измерения объединения. Если expand_nonconcat_dim имеет значение True, формы входных значений могут различаться.

Списки indices, values и shapes должны иметь одинаковую длину.

Если expand_nonconcat_dim имеет значение False, форма результата идентична формам входных значений, за исключением измерения объединения, размер которого равен сумме размеров входных значений вдоль этого измерения.

Если expand_nonconcat_dim имеет значение True, форма результата вдоль измерений, не являющихся измерением объединения, будет увеличена до наибольшей среди всех входных значений, а размер вдоль измерения объединения будет равен сумме размеров входных значений.

Элементы результата будут переупорядочены, чтобы сохранить сортировку по возрастанию номера измерения.

Эта операция выполняется за время O(M log M), где M — общее количество непустых значений во всех входных данных. Это связано с необходимостью внутренней сортировки для эффективного объединения вдоль произвольного измерения.

Например, если axis = 1, а входные данные имеют вид

sp_inputs[0]: shape = [2, 3]
[0, 2]: "a"
[1, 0]: "b"
[1, 1]: "c"

sp_inputs[1]: shape = [2, 4]
[0, 1]: "d"
[0, 2]: "e"

то результат будет иметь вид

shape = [2, 7]
[0, 2]: "a"
[0, 4]: "d"
[0, 5]: "e"
[1, 0]: "b"
[1, 1]: "c"

Графически это эквивалентно выполнению

[    a] concat [  d e  ] = [    a   d e  ]
[b c  ]        [       ]   [b c          ]

Другой пример: если 'axis = 1', а входные данные имеют вид

sp_inputs[0]: shape = [3, 3]
[0, 2]: "a"
[1, 0]: "b"
[2, 1]: "c"

sp_inputs[1]: shape = [2, 4]
[0, 1]: "d"
[0, 2]: "e"

если expand_nonconcat_dim = False, это приведет к ошибке. Но если expand_nonconcat_dim = True, результат будет таким:

shape = [3, 7]
[0, 2]: "a"
[0, 4]: "d"
[0, 5]: "e"
[1, 0]: "b"
[2, 1]: "c"

Графически это эквивалентно выполнению

[    a] concat [  d e  ] = [    a   d e  ]
[b    ]        [       ]   [b            ]
[  c  ]                    [  c          ]