tf.sparse.SparseTensor

Представляет разреженный тензор.

tf.sparse.SparseTensor(
    indices, values, dense_shape
)

Используется в блокнотах

TensorFlow представляет разреженный тензор в виде трех отдельных плотных тензоров: indices, values и dense_shape. В Python для удобства использования эти три тензора объединяются в класс SparseTensor. Если у вас есть отдельные тензоры indices, values и dense_shape, перед передачей в приведенные ниже операции объедините их в объект SparseTensor.

В частности, разреженный тензор SparseTensor(indices, values, dense_shape) состоит из следующих компонентов, где N и ndims — это соответственно количество значений и количество измерений в SparseTensor:

• indices: двумерный тензор int64 формы [N, ndims], задающий индексы элементов разреженного тензора, содержащих ненулевые значения (индексация элементов начинается с нуля). Например, indices=[[1,3], [2,4]] указывает, что ненулевые значения есть у элементов с индексами [1,3] и [2,4].

• values: одномерный тензор любого типа формы [N], задающий значения каждого элемента в indices. Например, если задано indices=[[1,3], [2,4]], параметр values=[18, 3.6] указывает, что значение элемента [1,3] разреженного тензора равно 18, а значение элемента [2,4] тензора равно 3.6.

• dense_shape: одномерный тензор int64 формы [ndims], задающий dense_shape разреженного тензора. Принимает список, указывающий количество элементов в каждом измерении. Например, dense_shape=[3,6] задает двумерный тензор 3x6, dense_shape=[2,3,4] задает трехмерный тензор 2x3x4, а dense_shape=[9] задает одномерный тензор из 9 элементов.

Соответствующий плотный тензор удовлетворяет условию:

dense.shape = dense_shape
dense[tuple(indices[i])] = values[i]

Согласно принятому соглашению, indices должны быть отсортированы в порядке строк (или, что эквивалентно, в лексикографическом порядке кортежей indices[i]). При создании объектов SparseTensor этот порядок не проверяется, однако большинство операций предполагают, что он соблюден. Если порядок в разреженном тензоре st неверен, исправленную версию можно получить, вызвав tf.sparse.reorder(st).

Пример: разреженный тензор

SparseTensor(indices=[[0, 0], [1, 2]], values=[1, 2], dense_shape=[3, 4])

представляет плотный тензор

[[1, 0, 0, 0]
 [0, 0, 2, 0]
 [0, 0, 0, 0]]

Методы

consumers

Посмотреть исходный код

consumers()

eval

Посмотреть исходный код

eval(
    feed_dict=None, session=None
)

Вычисляет этот разреженный тензор в Session.

При вызове этого метода выполняются все предшествующие операции, создающие входные данные, необходимые для операции, которая формирует этот тензор.

Примечание: Перед вызовом SparseTensor.eval() граф должен быть запущен в сеансе, а также должен быть доступен сеанс по умолчанию или необходимо явно указать session.

from_value

Посмотреть исходный код

@classmethod
from_value(
    sparse_tensor_value
)

get_shape

Посмотреть исходный код

get_shape() -> tf.TensorShape

Получить TensorShape, представляющий форму плотного тензора.

set_shape

Посмотреть исходный код

set_shape(
    shape
)

Обновляет TensorShape, представляющий форму плотного тензора.

При eager-выполнении этот метод выполняет проверку формы. В этом примере формы совпадают:

st = tf.SparseTensor(
  indices=[[0, 0], [1, 2]], values=[1, 2], dense_shape=[3, 4])
st.set_shape([3, 4])

Если передать None в новой форме, для этой оси будет допустимо любое значение:

st.set_shape([3, None])

Если передать несовместимую форму, будет вызвана ошибка.

st.set_shape([1, 4])
Traceback (most recent call last):

ValueError: Tensor's shape (3, 4) is not compatible with supplied
shape [1, 4]

При выполнении в tf.function или создании модели с помощью tf.keras.Input метод SparseTensor.set_shape объединяет заданную shape с текущей формой этого тензора и задает тензору полученную объединенную форму (подробности см. в разделе tf.TensorShape.merge_with):

st = tf.keras.Input(shape=[None, None, 3], sparse=True)
print(st.shape)
(None, None, None, 3)

Размерности, заданные как None, не обновляются:

st.set_shape([None, 224, 224, None])
print(st.shape)
(None, 224, 224, 3)

Этот метод в первую очередь используется для предоставления дополнительных сведений о форме, которые невозможно вывести только из графа.

with_values

Посмотреть исходный код

with_values(
    new_values
)

Возвращает копию self, в которой values заменено на new_values.

Этот метод создает новый SparseTensor с теми же ненулевыми indices и той же dense_shape, но с обновленными значениями.

Пример использования:

st = tf.sparse.from_dense([[1, 0, 2, 0], [3, 0, 0, 4]])
tf.sparse.to_dense(st.with_values([10, 20, 30, 40]))  # 4 nonzero values
<tf.Tensor: shape=(2, 4), dtype=int32, numpy=
array([[10,  0, 20,  0],
       [30,  0,  0, 40]], dtype=int32)>

__div__

Посмотреть исходный код

__div__(
    y
)

Выполняет поэлементное деление SparseTensor на плотный тензор.

Ограничение: эта операция транслирует плотную часть только до размера разреженной части, но не наоборот.

__mul__

Посмотреть исходный код

__mul__(
    y
)

Выполняет поэлементное умножение SparseTensor на плотный тензор.

В позициях, соответствующих неявно нулевым элементам разреженного тензора, результат будет равен нулю (то есть такие элементы не будут занимать место в памяти) независимо от содержимого плотного тензора (даже если оно равно +/-INF и INF*0 == NaN).

Ограничение: эта операция транслирует плотную часть только до размера разреженной части, но не наоборот.

__truediv__

Посмотреть исходный код

__truediv__(
    y
)

Вспомогательная внутренняя функция для 'sp_t / dense_t'.