tf.compat.v1.nn.embedding_lookup_sparse

Ищет вложения для заданных идентификаторов и весов из списка тензоров.

tf.compat.v1.nn.embedding_lookup_sparse(
    params, sp_ids, sp_weights, partition_strategy='mod', name=None,
    combiner=None, max_norm=None
)

Этот оператор предполагает, что для каждой строки в плотном тензоре, представленном sp_ids (т.е. нет строк с пустыми признаками), и что все индексы sp_ids находятся в каноническом порядке строк.

sp_ids и sp_weights (если не None) являются SparseTensor с рангом 2. Вложения всегда агрегируются по последнему измерению.

Также предполагается, что все значения идентификаторов лежат в диапазоне [0, p0), где p0 — сумма размера параметров по измерению 0.

Аргументы
`params`	Один тензор, представляющий полный тензор вложений, или список тензоров, все с одинаковой формой, за исключением первого измерения, представляющих фрагментированные тензоры вложений. В качестве альтернативы, `PartitionedVariable`, созданный путём разбиения по измерению 0. Каждый элемент должен быть соответствующего размера для заданного `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 запятой/двойной точностью, либо `None` для указания того, что все веса должны быть равны 1. Если указано, `sp_weights` должен иметь точно такую же форму и индексы, как `sp_ids`.
`partition_strategy`	Строка, определяющая стратегию разбиения, релевантна, если `len(params) > 1`. В настоящее время поддерживаются `"div"` и `"mod"`. По умолчанию `"mod"`. Дополнительная информация см. в `tf.nn.embedding_lookup`.
`name`	Необязательное имя для оператора.
`combiner`	Строка, определяющая операцию сведения. В настоящее время поддерживаются "mean", "sqrtn" и "sum". "sum" вычисляет взвешенную сумму результатов вложения для каждой строки. "mean" — взвешенная сумма, делённая на общий вес. "sqrtn" — взвешенная сумма, делённая на квадратный корень из суммы квадратов весов. По умолчанию `mean`.
`max_norm`	Если не `None`, каждое вложение усекается, если его евклидова норма больше этого значения, перед объединением.

Возвращаемые значения

Возвращаемые значения
Плотное тензор, представляющий объединённые 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 со спецификацией. Другими словами, если `shape(combined params) = [p0, p1, ..., pm]` и `shape(sp_ids) = shape(sp_weights) = [d0, d1]` то `shape(output) = [d0, 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 при `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

Плотное тензор, представляющий объединённые 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 со спецификацией.

Другими словами, если

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

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

то

shape(output) = [d0, 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

при 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 равно одному 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/r2.4/api_docs/python/tf/compat/v1/nn/embedding_lookup_sparse