tf.raw_ops.LoadAndRemapMatrix

Загружает 2-мерную (матрицу) Tensor с именем old_tensor_name из контрольной точки

tf.raw_ops.LoadAndRemapMatrix(
    ckpt_path, old_tensor_name, row_remapping, col_remapping, initializing_values,
    num_rows, num_cols, max_rows_in_memory=-1, name=None
)

по адресу ckpt_path и, возможно, переупорядочивает ее строки и столбцы с помощью указанных переназначений.

Большинство пользователей должны использовать один из обёртных инициализаторов (например, tf.contrib.framework.load_and_remap_matrix_initializer) вместо непосредственного использования этой функции.

Переназначения — это одномерные тензоры со следующими свойствами:

• row_remapping должно содержать ровно num_rows элементов. Строка i выходной матрицы будет инициализирована из строки, соответствующей индексу row_remapping[i] в старой Tensor из контрольной точки.
• col_remapping должно содержать либо 0 элементов (что указывает на то, что переупорядочивание столбцов не требуется), либо num_cols элементов. Если указано, столбец j выходной матрицы будет инициализирован из столбца, соответствующего индексу col_remapping[j] в старой Tensor из контрольной точки.
• Значение -1 в любом из переназначений указывает на «отсутствующий» элемент. В этом случае для заполнения этой отсутствующей строки или столбца будут использованы значения из тензора initializing_values. Если у тензора row_remapping есть r отсутствующих элементов, а у тензора col_remapping есть c отсутствующих элементов, то должно выполняться следующее условие:

(r * num_cols) + (c * num_rows) - (r * c) == len(initializing_values)

Тензоры переназначения можно сгенерировать, используя оператор GenerateVocabRemapping.

Например, при row_remapping = [1, 0, -1], col_remapping = [0, 2, -1], initializing_values = [0.5, -0.5, 0.25, -0.25, 42] и w(i, j) — значение из строки i, столбца j старого тензора в контрольной точке, выходная матрица будет выглядеть следующим образом:

[[w(1, 0), w(1, 2), 0.5], [w(0, 0), w(0, 2), -0.5], [0.25, -0.25, 42]]