tf.compat.v1.sparse_reduce_max

Вычисляет tf.sparse.maximum элементов по измерениям SparseTensor. (устаревшие аргументы) (устаревшие аргументы)

tf.compat.v1.sparse_reduce_max(
    sp_input, axis=None, keepdims=None, reduction_axes=None, keep_dims=None
)

Это операция сведения для элементарного tf.sparse.maximum оператора.

Этот оператор принимает SparseTensor и является разреженным аналогом tf.reduce_max(). В частности, этот оператор также возвращает плотный Tensor вместо разреженного.

Примечание: Градиент для этой функции не определен, поэтому ее нельзя использовать в обучаемых моделях, требующих градиентного спуска.

Сводит sp_input по измерениям, указанным в reduction_axes. Если keepdims не истинно, ранг тензора уменьшается на 1 для каждой записи в reduction_axes. Если keepdims истинно, уменьшенные измерения сохраняются с длиной 1.

Если у reduction_axes нет записей, все измерения сводятся, и возвращается тензор с одним элементом. Кроме того, оси могут быть отрицательными, аналогично правилам индексирования в Python.

Значения, не определенные в sp_input , не участвуют в reduce max, в отличие от неявного предположения о нуле - следовательно, для разреженного reduction_axes могут возвращаться отрицательные значения. Но если в reduction_axes нет значений, она будет сведена к 0. См. второй пример ниже.

Например:

'x' представляет [[1, ?, 2]

[?, 3, ?]]

где ? неявным образом равен нулю.

x = tf.sparse.SparseTensor([[0, 0], [0, 2], [1, 1]], [1, 2, 3], [2, 3])
tf.sparse.reduce_max(x)
<tf.Tensor: shape=(), dtype=int32, numpy=3>
tf.sparse.reduce_max(x, 0)
<tf.Tensor: shape=(3,), dtype=int32, numpy=array([1, 3, 2], dtype=int32)>
tf.sparse.reduce_max(x, 1)
<tf.Tensor: shape=(2,), dtype=int32, numpy=array([2, 3], dtype=int32)>
tf.sparse.reduce_max(x, 1, keepdims=True)
<tf.Tensor: shape=(2, 1), dtype=int32, numpy=
array([[2],
       [3]], dtype=int32)>
tf.sparse.reduce_max(x, [0, 1])
<tf.Tensor: shape=(), dtype=int32, numpy=3>

'y' представляет [[-7, ?]

[ 4, 3]

[ ?, ?]

y = tf.sparse.SparseTensor([[0, 0,], [1, 0], [1, 1]], [-7, 4, 3],
[3, 2])
tf.sparse.reduce_max(y, 1)
<tf.Tensor: shape=(3,), dtype=int32, numpy=array([-7,  4,  0], dtype=int32)>