tf.raw_ops.LoadAndRemapMatrix

Загружает двумерный (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
)

в ckpt_path и при необходимости переупорядочивает его строки и столбцы с помощью указанных схем переназначения.

Большинству пользователей следует использовать одну из обёрточных функций-инициализаторов (например, tf.contrib.framework.load_and_remap_matrix_initializer), а не вызывать эту функцию напрямую.

Схемы переназначения — это одномерные тензоры со следующими свойствами:

• row_remapping должен содержать ровно num_rows элементов. Строка i выходной матрицы будет инициализирована строкой с индексом row_remapping[i] в старом Tensor из контрольной точки.
• col_remapping должен содержать либо 0 элементов (это означает, что переупорядочивание столбцов не требуется), либо num_cols элементов. Если он указан, столбец j выходной матрицы будет инициализирован столбцом с индексом col_remapping[j] в старом Tensor из контрольной точки.
• Значение -1 в любой из схем переназначения обозначает «отсутствующий» элемент. В этом случае для заполнения отсутствующей строки или столбца будут использованы значения из тензора initializing_values. Если row_remapping содержит r отсутствующих элементов, а col_remapping содержит c отсутствующих элементов, должно выполняться следующее условие:

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

Тензоры схем переназначения можно создать с помощью операции GenerateVocabRemapping.

Например, если row_remapping = [1, 0, -1], col_remapping = [0, 2, -1], initializing_values = [0.5, -0.5, 0.25, -0.25, 42], а w(i, j) обозначает значение в строке i и столбце j старого тензора из контрольной точки, выходная матрица будет выглядеть так:

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