tf.compat.v1.sparse_reduce_max

Вычисляет tf.sparse.maximum элементов по измерениям SparseTensor. (устаревшие аргументы) (устаревшие аргументы)

tf.compat.v1.sparse_reduce_max(
    sp_input, axis=None, keepdims=None, reduction_axes=None, keep_dims=None
)

Это операция редукции для поэлементной операции tf.sparse.maximum.

Эта операция принимает SparseTensor и является разреженным аналогом tf.reduce_max(). В частности, эта операция также возвращает плотный Tensor, а не разреженный.

Примечание: Для этой функции не определён градиент, поэтому её нельзя использовать при обучении моделей, требующих градиентного спуска.

Выполняет редукцию sp_input по измерениям, заданным в reduction_axes. Если keepdims не равно true, ранг тензора уменьшается на 1 для каждой записи в reduction_axes. Если keepdims равно true, редуцированные измерения сохраняются с длиной 1.

Если reduction_axes не содержит записей, редуцируются все измерения и возвращается тензор с одним элементом. Кроме того, оси могут быть отрицательными, как и в правилах индексирования Python.

Значения, не заданные в sp_input, не участвуют в редукции максимума, в отличие от случая, когда они неявно считаются равными 0, — поэтому для разреженных reduction_axes могут возвращаться отрицательные значения. Однако если в reduction_axes нет значений, результатом редукции будет 0. См. второй пример ниже.

x = tf.sparse.SparseTensor([[0, 0], [0, 2], [1, 1]], [1, 2, 3], [2, 3])
tf.sparse.reduce_max(x)
<tf.Tensor: shape=(), dtype=int32, numpy=3>
tf.sparse.reduce_max(x, 0)
<tf.Tensor: shape=(3,), dtype=int32, numpy=array([1, 3, 2], dtype=int32)>
tf.sparse.reduce_max(x, 1)
<tf.Tensor: shape=(2,), dtype=int32, numpy=array([2, 3], dtype=int32)>
tf.sparse.reduce_max(x, 1, keepdims=True)
<tf.Tensor: shape=(2, 1), dtype=int32, numpy=
array([[2],
       [3]], dtype=int32)>
tf.sparse.reduce_max(x, [0, 1])
<tf.Tensor: shape=(), dtype=int32, numpy=3>

y = tf.sparse.SparseTensor([[0, 0,], [1, 0], [1, 1]], [-7, 4, 3],
[3, 2])
tf.sparse.reduce_max(y, 1)
<tf.Tensor: shape=(3,), dtype=int32, numpy=array([-7,  4,  0], dtype=int32)>