tf.compat.v2.sparse.reduce_max

Вычисляет максимальное значение элементов по измерениям SparseTensor.

tf.compat.v2.sparse.reduce_max(
    sp_input, axis=None, keepdims=None, output_is_sparse=False, name=None
)

Этот оператор принимает SparseTensor и является аналогом tf.reduce_max() для разреженных данных. В частности, этот оператор также возвращает плотный Tensor если output_is_sparse равен False, или SparseTensor если output_is_sparse равен True.

Примечание: Для этой функции не определен градиент, поэтому её нельзя использовать в обучаемых моделях, требующих градиентного спуска.

Сводит sp_input по измерениям, указанным в axis. Если keepdims не равно true, ранг тензора уменьшается на 1 для каждого элемента в axis. Если keepdims равно true, уменьшенные измерения сохраняются с длиной 1.

Если у axis нет элементов, все измерения сводятся, и возвращается тензор с одним элементом. Кроме того, индексы осей могут быть отрицательными, аналогично правилам индексации в Python.

Значения, не определенные в sp_input , не участвуют в вычислении максимального значения, в отличие от неявного предположения о нулевом значении — поэтому для разреженных axis может быть возвращено отрицательное значение. Но в случае отсутствия значений в axis, результат будет 0. См. второй пример ниже.

Например:

# 'x' represents [[1, ?, 2]
#                 [?, 3, ?]]
# where ? is implicitly-zero.
tf.sparse.reduce_max(x) ==> 3
tf.sparse.reduce_max(x, 0) ==> [1, 3, 2]
tf.sparse.reduce_max(x, 1) ==> [2, 3]  # Can also use -1 as the axis.
tf.sparse.reduce_max(x, 1, keepdims=True) ==> [[2], [3]]
tf.sparse.reduce_max(x, [0, 1]) ==> 3

# 'y' represents [[-7, ?]
#                 [ 4, 3]
#                 [ ?, ?]
tf.sparse.reduce_max(x, 1) ==> [-7, 4, 0]