tf.sparse.SparseTensor

Представляет разреженный тензор.

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

Используется в ноутбуках

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

Конкретно, разреженный тензор SparseTensor(indices, values, dense_shape) состоит из следующих компонентов, где N и ndims — количество значений и размерность в SparseTensor соответственно:

• indices: 2-мерный тензор int64 формы [N, ndims], который указывает индексы элементов в разреженном тензоре, содержащие ненулевые значения (элементы нумеруются с нуля). Например, indices=[[1,3], [2,4]] указывает, что элементы с индексами [1,3] и [2,4] имеют ненулевые значения.

• values: 1-мерный тензор любого типа и формы [N], который предоставляет значения для каждого элемента в indices. Например, учитывая indices=[[1,3], [2,4]], параметр values=[18, 3.6] указывает, что элемент [1,3] разреженного тензора имеет значение 18, а элемент [2,4] — значение 3,6.

• dense_shape: 1-мерный тензор int64 формы [ndims], который указывает dense_shape разреженного тензора. Принимает список, указывающий количество элементов в каждой размерности. Например, dense_shape=[3,6] указывает двумерный тензор 3x6, dense_shape=[2,3,4] указывает трехмерный тензор 2x3x4, а dense_shape=[9] указывает одномерный тензор с 9 элементами.

Соответствующий плотный тензор удовлетворяет:

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

Согласно соглашению, indices должен быть отсортирован в порядке строк (или, эквивалентно, в лексикографическом порядке по кортежам indices[i]). Это не проверяется при создании объектов SparseTensor, но большинство операций предполагают правильный порядок. Если порядок разреженного тензора st неверен, можно получить исправленную версию, 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

Просмотреть исходный код

consumers()

eval

Просмотреть исходный код

eval(
    feed_dict=None, session=None
)

Вычисляет этот разреженный тензор в Session.

Вызов этого метода выполнит все предшествующие операции, которые производят входные данные, необходимые для операции, производящей этот тензор.

Примечание: Перед вызовом SparseTensor.eval() его граф должен быть запущен в сессии, и либо должна быть доступна сессия по умолчанию, либо session должна быть указана явно.

from_value

Просмотреть исходный код

@classmethod
from_value(
    sparse_tensor_value
)

get_shape

Просмотреть исходный код

get_shape() -> tf.TensorShape

Получить TensorShape, представляющий форму плотного тензора.

set_shape

Просмотреть исходный код

set_shape(
    shape
)

Обновляет TensorShape, представляющий форму плотного тензора.

При нетерпеливом выполнении это работает как утверждение формы. Здесь формы совпадают:

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

Передача None в новой форме позволяет любое значение для этой оси:

st.set_shape([3, None])

Если передана несовместимая форма, возникает 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 построении модели с использованием tf.keras.Input, SparseTensor.set_shape объединит заданную shape с текущей формой этого тензора и установит форму тензора в объединенное значение (см. tf.TensorShape.merge_with для получения подробностей):

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

Размеры, заданные None, не обновляются:

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

Основной сценарий использования этого — предоставление дополнительной информации о форме, которую нельзя вывести только из графа.

with_values

Просмотреть исходный код

with_values(
    new_values
)

Возвращает копию self со значениями values, заменёнными на new_values.

Этот метод создаёт новый SparseTensor, имеющий те же ненулевые indices и ту же dense_shape, но обновлённые значения.

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__

Просмотреть исходный код

__div__(
    y
)

Делит SparseTensor на плотный Tensor поэлементно.

Ограничение: этот оператор только транслирует плотный тензор к разреженному, но не наоборот.

__mul__

Просмотреть исходный код

__mul__(
    y
)

Поэлементно перемножает SparseTensor и плотный Tensor.

Местоположения выходных данных, соответствующие неявно нулевым элементам в разреженном тензоре, будут нулевыми (т.е. не будут занимать место в памяти), независимо от содержимого плотного тензора (даже если он +/-INF и INF*0 == NaN).

Ограничение: этот оператор только транслирует плотный тензор к разреженному, но не наоборот.

__truediv__

Просмотреть исходный код

__truediv__(
    y
)

Внутренняя вспомогательная функция для 'sp_t / dense_t'.