Операции с разреженными данными

Добавить мини-пакет N SparseTensor в SparseTensorsMap, вернуть дескрипторы N.

Добавить SparseTensor в SparseTensorsMap, вернуть его дескриптор.

Десериализовать и объединить SparseTensors из сериализованного мини-пакета.

Десериализовать объекты SparseTensor.

Сериализовать мини-пакет N SparseTensor в объект [N, 3]Tensor.

Сериализовать SparseTensor в объект [3]Tensor.

Сложить два объекта SparseTensor, чтобы получить другой объект SparseTensor.

Оператор градиента для операции SparseAdd.

Объединяет список SparseTensor вдоль указанного измерения.

Генерирует разреженное произведение по списку разреженных и плотных тензоров.

Генерирует разреженное произведение по списку разреженных и плотных тензоров.

Генерирует разреженное произведение по списку разреженных и плотных тензоров.

Складывает SparseTensor и плотный тензор Tensor по специальным правилам:

Компонентное деление SparseTensor на плотный тензор Tensor.

Компонентное умножение SparseTensor на плотный тензор Tensor.

Заполняет пустые строки в входном 2-мерном SparseTensor значениями по умолчанию.

Градиент операции SparseFillEmptyRows.

Вычисляет максимальное значение элементов по измерениям SparseTensor.

Вычисляет максимальное значение элементов по измерениям SparseTensor.

Вычисляет сумму элементов по измерениям SparseTensor.

Вычисляет сумму элементов по измерениям SparseTensor.

Переупорядочивает SparseTensor в каноническую строчную форму.

Изменяет форму SparseTensor, чтобы представить значения в новой плотной форме.

Вырезает часть SparseTensor на основе start и size.

Оператор градиента для операции SparseSlice.

Применяет softmax к пакету N-мерных SparseTensor.

Возвращает поэлементный максимум двух SparseTensor.

Возвращает поэлементный минимум двух SparseTensor.

Разделяет SparseTensor на num_split тензоров вдоль одного измерения.

Складывает SparseTensor и плотный Tensor, получая плотный Tensor.

Умножить SparseTensor (ранга 2) "A" на плотную матрицу "B".

Преобразует разреженное представление в плотный тензор.