tf.sparse.reduce_sum

Вычисляет tf.sparse.add элементов по измерениям SparseTensor.

tf.sparse.reduce_sum(
    sp_input, axis=None, keepdims=None, output_is_sparse=False, name=None
)

Используется в блокнотах

Эта операция редукции соответствует поэлементной операции tf.sparse.add.

Эта операция принимает SparseTensor и является разреженным аналогом tf.reduce_sum(). В частности, эта операция также возвращает плотный Tensor, если output_is_sparse равен False, или SparseTensor, если output_is_sparse равен True.

Примечание: если output_is_sparse имеет значение True, градиент для этой функции не определён, поэтому её нельзя использовать при обучении моделей, требующих градиентного спуска.

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

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

x = tf.sparse.SparseTensor([[0, 0], [0, 2], [1, 1]], [1, 1, 1], [2, 3])
tf.sparse.reduce_sum(x)
<tf.Tensor: shape=(), dtype=int32, numpy=3>
tf.sparse.reduce_sum(x, 0)
<tf.Tensor: shape=(3,), dtype=int32, numpy=array([1, 1, 1], dtype=int32)>
tf.sparse.reduce_sum(x, 1)  # Can also use -1 as the axis
<tf.Tensor: shape=(2,), dtype=int32, numpy=array([2, 1], dtype=int32)>
tf.sparse.reduce_sum(x, 1, keepdims=True)
<tf.Tensor: shape=(2, 1), dtype=int32, numpy=
array([[2],
       [1]], dtype=int32)>
tf.sparse.reduce_sum(x, [0, 1])
<tf.Tensor: shape=(), dtype=int32, numpy=3>