tf.sparse.SparseTensor

Представляет разреженный тензор.

tf.sparse.SparseTensor(
    indices, values, dense_shape
)

TensorFlow представляет разреженный тензор как три отдельных плотных тензора: indices, values, и dense_shape. В Python три тензора объединены в класс SparseTensor для удобства использования. Если у вас есть отдельные тензоры indices, values, и dense_shape, оберните их в объект SparseTensor перед передачей в нижеследующие операции.

Конкретно, разреженный тензор SparseTensor(indices, values, dense_shape) состоит из следующих компонентов, где N и ndims — количество значений и количество измерений в SparseTensor, соответственно:

• indices: двумерный тензор int64 формы [N, ndims], который указывает индексы элементов в разреженном тензоре, содержащие ненулевые значения (элементы нумеруются с нуля). Например, indices=[[1,3], [2,4]] указывает, что элементы с индексами [1,3] и [2,4] имеют ненулевые значения.

• values: одномерный тензор любого типа и формы [N], который предоставляет значения для каждого элемента в indices. Например, при заданном indices=[[1,3], [2,4]], параметр values=[18, 3.6] указывает, что элемент [1,3] разреженного тензора имеет значение 18, а элемент [2,4] тензора имеет значение 3,6.

• dense_shape: одномерный тензор int64 формы [ndims], который указывает плотную форму разреженного тензора. Принимает список, указывающий количество элементов в каждом измерении. Например, dense_shape=[3,6] указывает двумерный тензор 3x6, dense_shape=[2,3,4] указывает трехмерный тензор 2x3x4, а dense_shape=[9] указывает одномерный тензор с 9 элементами.

Соответствующий плотный тензор удовлетворяет:

dense.shape = dense_shape
dense[tuple(indices[i])] = values[i]

По соглашению indices должен быть отсортирован в порядке следования строк (или, что эквивалентно, в лексикографическом порядке по кортежам indices[i]). Это не проверяется при создании объектов SparseTensor, но большинство операций предполагают правильный порядок. Если порядок разреженного тензора st неверный, можно получить исправленную версию, вызвав tf.sparse.reorder(st).

Пример: разреженный тензор

SparseTensor(indices=[[0, 0], [1, 2]], values=[1, 2], dense_shape=[3, 4])

представляет плотный тензор

[[1, 0, 0, 0]
 [0, 0, 2, 0]
 [0, 0, 0, 0]]

Методы

consumers

Просмотреть исходный код

consumers()

eval

Просмотреть исходный код

eval(
    feed_dict=None, session=None
)

Вычисляет этот разреженный тензор в сессии.

Вызов этого метода выполнит все предыдущие операции, необходимые для получения входных данных для операции, производящей этот тензор.

Примечание: Прежде чем вызывать SparseTensor.eval(), граф должен быть запущен в сессии, и либо должна быть доступна стандартная сессия, либо session должна быть указана явно.

from_value

Просмотреть исходный код

@classmethod
from_value(
    sparse_tensor_value
)

get_shape

Просмотреть исходный код

get_shape()

Получить форму, представляющую форму плотного тензора.

__div__

Просмотреть исходный код

__div__(
    sp_x, y
)

Делит разреженный тензор на плотный тензор покомпонентно.

Ограничение: эта операция транслирует только плотный тензор в разреженный, но не в обратную сторону.

__mul__

Просмотреть исходный код

__mul__(
    sp_x, y
)

Умножает разреженный тензор на плотный тензор покомпонентно.

Положения в выходном тензоре, соответствующие неявно нулевым элементам в разреженном тензоре, будут нулевыми (т. е. не будут занимать места в памяти), независимо от содержимого плотного тензора (даже если он +/-INF и INF*0 == NaN).

Ограничение: эта операция транслирует только плотный тензор в разреженный, но не в обратную сторону.

__truediv__

Просмотреть исходный код

__truediv__(
    sp_x, y
)

Внутренняя вспомогательная функция для 'sp_t / dense_t'.