tf.raw_ops.LoadAndRemapMatrix

Загружает 2-мерную (матрицу) Tensor с именем old_tensor_name из контрольной точки

tf.raw_ops.LoadAndRemapMatrix(
    ckpt_path,
    old_tensor_name,
    row_remapping,
    col_remapping,
    initializing_values,
    num_rows,
    num_cols,
    max_rows_in_memory=-1,
    name=None
)

по адресу ckpt_path и, возможно, переупорядочивает её строки и столбцы с использованием указанных преобразований.

Большинству пользователей следует использовать один из оберток-инициализаторов (например, tf.contrib.framework.load_and_remap_matrix_initializer), а не эту функцию напрямую.

Преобразования — это одномерные тензоры со следующими свойствами:

• row_remapping должно содержать ровно num_rows элементов. Строка i выходной матрицы будет инициализирована из строки, соответствующей индексу row_remapping[i] в старой Tensor из контрольной точки.
• col_remapping должно содержать либо 0 элементов (что указывает на то, что переупорядочивание столбцов не требуется), либо num_cols элементов. Если указано, столбец j выходной матрицы будет инициализирован из столбца, соответствующего индексу col_remapping[j] в старой Tensor из контрольной точки.
• Значение -1 в любом из преобразований обозначает «отсутствующий» элемент. В этом случае значения из тензора initializing_values будут использованы для заполнения этой отсутствующей строки или столбца. Если в row_remapping есть r отсутствующих элементов, а в col_remapping есть c отсутствующих элементов, то должно выполняться следующее условие:

(r * num_cols) + (c * num_rows) - (r * c) == len(initializing_values)

Массивы преобразований можно создать с помощью операции GenerateVocabRemapping.

Например, при row_remapping = [1, 0, -1], col_remapping = [0, 2, -1], initializing_values = [0.5, -0.5, 0.25, -0.25, 42] и w(i, j) представляющем значение из строки i, столбца j старого тензора в контрольной точке, выходная матрица будет выглядеть следующим образом:

[[w(1, 0), w(1, 2), 0.5], [w(0, 0), w(0, 2), -0.5], [0.25, -0.25, 42]]