tf.raw_ops.SparseMatrixSparseMatMul

Перемножает две разреженные матрицы CSR a и b.

tf.raw_ops.SparseMatrixSparseMatMul(
    a,
    b,
    type,
    transpose_a=False,
    transpose_b=False,
    adjoint_a=False,
    adjoint_b=False,
    name=None
)

Выполняет умножение разреженной матрицы a на разреженную матрицу b; возвращает разреженную матрицу a * b, если только a или b не транспонирована и не эрмитово сопряжена.

Каждая матрица может быть транспонирована или эрмитово сопряжена (сопряжена и транспонирована) в соответствии с логическими параметрами transpose_a, adjoint_a, transpose_b и adjoint_b. Только один из параметров transpose_a и adjoint_a может иметь значение True. Аналогично, только один из параметров transpose_b и adjoint_b может иметь значение True.

Входные данные должны иметь совместимые формы. То есть внутренняя размерность a должна быть равна внешней размерности b. Это требование зависит от того, транспонирована ли или эрмитово сопряжена a или b.

Параметр type задаёт тип элементов матрицы. Типы a и b должны совпадать. Поддерживаются следующие типы: float32, float64, complex64 и complex128.

Ранги a и b должны совпадать. Трансляция не поддерживается. Если ранг равен 3, каждая партия двумерных матриц CSRSparseMatrix в a и b должна иметь одинаковую плотную форму.

В произведении разреженных матриц могут присутствовать числовые (не структурные) нули.

нули.

Пример использования:

from tensorflow.python.ops.linalg.sparse import sparse_csr_matrix_ops

a_indices = np.array([[0, 0], [2, 3], [2, 4], [3, 0]])
a_values = np.array([1.0, 5.0, -1.0, -2.0], np.float32)
a_dense_shape = [4, 5]

b_indices = np.array([[0, 0], [3, 0], [3, 1]])
b_values = np.array([2.0, 7.0, 8.0], np.float32)
b_dense_shape = [5, 3]

with tf.Session() as sess:
  # Define (COO format) Sparse Tensors over Numpy arrays
  a_st = tf.sparse.SparseTensor(a_indices, a_values, a_dense_shape)
  b_st = tf.sparse.SparseTensor(b_indices, b_values, b_dense_shape)

  # Convert SparseTensors to CSR SparseMatrix
  a_sm = sparse_csr_matrix_ops.sparse_tensor_to_csr_sparse_matrix(
      a_st.indices, a_st.values, a_st.dense_shape)
  b_sm = sparse_csr_matrix_ops.sparse_tensor_to_csr_sparse_matrix(
      b_st.indices, b_st.values, b_st.dense_shape)

  # Compute the CSR SparseMatrix matrix multiplication
  c_sm = sparse_csr_matrix_ops.sparse_matrix_sparse_mat_mul(
      a=a_sm, b=b_sm, type=tf.float32)

  # Convert the CSR SparseMatrix product to a dense Tensor
  c_sm_dense = sparse_csr_matrix_ops.csr_sparse_matrix_to_dense(
      c_sm, tf.float32)
  # Evaluate the dense Tensor value
  c_sm_dense_value = sess.run(c_sm_dense)

c_sm_dense_value содержит плотное произведение матриц:

[[  2.   0.   0.]
 [  0.   0.   0.]
 [ 35.  40.   0.]
 [ -4.   0.   0.]]

a: CSRSparseMatrix. b: CSRSparseMatrix с теми же типом и рангом, что и у a. type: Типы a и b. transpose_a: Если True, a транспонируется перед умножением. transpose_b: Если True, b транспонируется перед умножением. adjoint_a: Если True, a эрмитово сопрягается перед умножением. adjoint_b: Если True, b эрмитово сопрягается перед умножением.