tf.nn.safe_embedding_lookup_sparse

Ищет результаты вложения, учитывая недопустимые ID и пустые признаки.

tf.nn.safe_embedding_lookup_sparse(
    embedding_weights, sparse_ids, sparse_weights=None, combiner='mean',
    default_id=None, max_norm=None, name=None
)

Разделенное вложение в embedding_weights должно иметь одинаковую форму, за исключением первого измерения. Первое измерение разрешается изменять, так как размер словаря не обязательно является кратным количеству фрагментов.

Недопустимые ID (< 0) удаляются из входных ID и весов, а также все ID с неотрицательным весом. Для записи без признаков возвращается вектор вложения для default_id, или нулевой вектор, если default_id не указан.

ID и веса могут быть многомерными. Вложения всегда агрегируются по последнему измерению.

Если len(embedding_weights) > 1, каждый элемент id от ids распределяется между элементами embedding_weights в соответствии со стратегией разбиения «div», что означает, что мы назначаем ID фрагментам по порядку. Например, 13 ID разделены на 5 фрагментов как: [[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10], [11, 12]].

Если пространство ID не делится равномерно на количество фрагментов, каждому из первых (max_id + 1) % len(embedding_weights) фрагментов будет назначен ещё один ID.

Аргументы
`embedding_weights`	Единственный тензор, представляющий полный тензор вложения, или список тензоров, все с одинаковой формой, за исключением первого измерения, представляющих фрагментированные тензоры вложения, следующие стратегии разбиения «div».
`sparse_ids`	`SparseTensor` размера `[d_0, d_1, ..., d_n]`, содержащий ID. `d_0` обычно соответствует размеру батча.
`sparse_weights`	`SparseTensor` с той же формой, что и `sparse_ids`, содержащие вещественные веса, соответствующие `sparse_ids`, или `None` , если предполагается, что все веса равны 1.0.
`combiner`	Строка, определяющая, как объединять результаты вложения для каждой записи. В настоящее время поддерживаются «mean», «sqrtn» и «sum», по умолчанию используется «mean».
`default_id`	ID, используемый для записи без признаков. По умолчанию - нулевой вектор.
`max_norm`	Если не `None`, все вложения l2-нормализуются до max_norm перед объединением.
`name`	Название данной операции (необязательно).

Возвращаемое значение

Возвращаемое значение
Плотный тензор, представляющий объединённые вложения для разреженных ID. Для каждой строки в плотном тензоре, представленном `sparse_ids`, операция ищет вложения для всех ID в этой строке, умножает их на соответствующий вес и объединяет эти вложения в соответствии со спецификацией. Другими словами, если `shape(combined embedding_weights) = [p0, p1, ..., pm]` и `shape(sparse_ids) = shape(sparse_weights) = [d0, d1, ..., dn]` тогда `shape(output) = [d0, d1, ... dn-1, p1, ..., pm]`. Например, если params - это матрица 10x20, а sp_ids / sp_weights - это [0, 0]: id 1, weight 2.0 [0, 1]: id 3, weight 0.5 [1, 0]: id -1, weight 1.0 [2, 3]: id 1, weight 3.0 `default_id` равно 0. с `combiner`="mean", то выходной будет 3x20 матрица, 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 объединённые вложения для разреженных ID. Для каждой строки в плотном тензоре, представленном sparse_ids, операция ищет вложения для всех ID в этой строке, умножает их на соответствующий вес и объединяет эти вложения в соответствии со спецификацией.

Другими словами, если

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

shape(sparse_ids) = shape(sparse_weights) = [d0, d1, ..., dn]

тогда

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

Например, если params - это матрица 10x20, а sp_ids / sp_weights - это

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

default_id равно 0.

с combiner="mean", то выходной будет 3x20 матрица, 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
`ValueError`	если `embedding_weights` пусто.

© 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/r2.3/api_docs/python/tf/nn/safe_embedding_lookup_sparse