tf.sparse.softmax

Применяет softmax к пакетному N-D SparseTensor.

tf.sparse.softmax(
    sp_input, name=None
)

Входные данные представляют собой N-D SparseTensor с логической формой [..., B, C] (где N >= 2), а индексы отсортированы в каноническом лексикографическом порядке.

Эта операция эквивалентна применению обычной функции tf.nn.softmax() к каждой самой внутренней логической подматрице формы [B, C], за исключением того, что неявно нулевые элементы не участвуют. В частности, алгоритм эквивалентен следующим действиям:

(1) Применение tf.nn.softmax() к плотному представлению каждой самой внутренней подматрицы формы [B, C] вдоль измерения размера C; (2) Маскирование исходных неявно нулевых элементов; (3) Нормализация оставшихся элементов.

Таким образом, результат SparseTensor имеет в точности те же ненулевые индексы и форму.

Пример с 3-D SparseTensor:

st = tf.sparse.from_dense(
  [[[0., np.e],
    [1., 0.]],

   [[np.e, 0.],
    [np.e, np.e]]])
res = tf.sparse.softmax(st)
res.indices
  <tf.Tensor: shape=(5, 3), dtype=int64, numpy=
  array([[0, 0, 1],
         [0, 1, 0],
         [1, 0, 0],
         [1, 1, 0],
         [1, 1, 1]])>
res.values
  <tf.Tensor: ... numpy=array([1. , 1. , 1. , 0.5, 0.5], dtype=float32)>
res.dense_shape
  <tf.Tensor: shape=(3,), dtype=int64, numpy=array([2, 2, 2])>
tf.sparse.to_dense(res)
  <tf.Tensor: shape=(2, 2, 2), dtype=float32, numpy=
  array([[[0. , 1. ],
          [1. , 0. ]],
         [[1. , 0. ],
          [0.5, 0.5]]], dtype=float32)>