tf.compat.v2.nn.embedding_lookup_sparse

Вычисляет вложения для заданных идентификаторов и весов.

tf.compat.v2.nn.embedding_lookup_sparse(
    params, sp_ids, sp_weights, combiner=None, max_norm=None, name=None
)

Этот оператор предполагает, что для каждой строки в плотной тензорной структуре, представленной sp_ids (т. е. нет строк с пустыми признаками), существует как минимум один идентификатор, и что все индексы sp_ids находятся в каноническом порядке строк.

Он также предполагает, что все значения идентификаторов лежат в диапазоне [0, p0), где p0 — сумма размера params по первому измерению.

Аргументы
`params`	Единственный тензор, представляющий полный тензор вложений, или список P тензоров, все с одинаковой формой, за исключением первого измерения, представляющих фрагментированные тензоры вложений. Также может быть `PartitionedVariable`, созданный путем разбиения по первому измерению. Каждый элемент должен иметь соответствующий размер для `"div"` `partition_strategy`.
`sp_ids`	N x M `SparseTensor` целых 64-битных идентификаторов, где N — обычно размер пакета, а M — произвольное значение.
`sp_weights`	либо `SparseTensor` весов с плавающей точкой/двойной точностью, либо `None` для указания того, что все веса должны быть приняты как 1. Если задано, `sp_weights` должен иметь точно такую же форму и индексы, как `sp_ids`.
`combiner`	Строка, определяющая операцию редукции. В настоящее время поддерживаются "mean", "sqrtn" и "sum". "sum" вычисляет взвешенную сумму результатов вложений для каждой строки. "mean" — это взвешенная сумма, деленная на общий вес. "sqrtn" — это взвешенная сумма, деленная на квадратный корень из суммы квадратов весов.
`max_norm`	Если не `None`, каждое вложение усекается, если его l2-норма больше этого значения, прежде чем комбинировать.
`name`	Необязательное имя для операции.

Возвращаемые значения

Возвращаемые значения
Плотный тензор, представляющий объединенные вложения для разреженных идентификаторов. Для каждой строки в плотном тензоре, представленном `sp_ids`, оператор ищет вложения для всех идентификаторов в этой строке, умножает их на соответствующий вес и объединяет эти вложения в соответствии с указанными параметрами. Другими словами, если `shape(combined params) = [p0, p1, ..., pm]` и `shape(sp_ids) = shape(sp_weights) = [d0, d1, ..., dn]` тогда `shape(output) = [d0, d1, ..., dn-1, p1, ..., pm]`. Например, если params — матрица 10x20, а sp_ids / sp_weights — [0, 0]: id 1, weight 2.0 [0, 1]: id 3, weight 0.5 [1, 0]: id 0, weight 1.0 [2, 3]: id 1, weight 3.0 с `combiner`="mean", то выход будет матрицей 3x20, где output[0, :] = (params[1, :] * 2.0 + params[3, :] * 0.5) / (2.0 + 0.5) output[1, :] = (params[0, :] * 1.0) / 1.0 output[2, :] = (params[1, :] * 3.0) / 3.0

Плотный тензор, представляющий объединенные вложения для разреженных идентификаторов. Для каждой строки в плотном тензоре, представленном sp_ids, оператор ищет вложения для всех идентификаторов в этой строке, умножает их на соответствующий вес и объединяет эти вложения в соответствии с указанными параметрами.

Другими словами, если

shape(combined params) = [p0, p1, ..., pm]

shape(sp_ids) = shape(sp_weights) = [d0, d1, ..., dn]

тогда

shape(output) = [d0, d1, ..., dn-1, p1, ..., pm].

Например, если params — матрица 10x20, а sp_ids / sp_weights —

[0, 0]: id 1, weight 2.0
[0, 1]: id 3, weight 0.5
[1, 0]: id 0, weight 1.0
[2, 3]: id 1, weight 3.0

с combiner="mean", то выход будет матрицей 3x20, где

output[0, :] = (params[1, :] * 2.0 + params[3, :] * 0.5) / (2.0 + 0.5)
output[1, :] = (params[0, :] * 1.0) / 1.0
output[2, :] = (params[1, :] * 3.0) / 3.0

Исключения
`TypeError`	Если `sp_ids` не является `SparseTensor`, или если `sp_weights` не является ни `None`, ни `SparseTensor`.
`ValueError`	Если `combiner` не является одним из {"mean", "sqrtn", "sum"}.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/compat/v2/nn/embedding_lookup_sparse