tf.compat.v1.sparse_reduce_sum

Вычисляет сумму элементов по измерениям SparseTensor. (аргументы устарели) (аргументы устарели)

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

Это операция сокращения для элементарной операции tf.sparse.add.

Этот оператор принимает SparseTensor и является разновидностью операции tf.reduce_sum() для разреженных данных. В частности, этот оператор также возвращает плотную Tensor вместо разреженной.

Сокращает sp_input по измерениям, указанным в reduction_axes. Если keepdims не равно true, ранг тензора уменьшается на 1 для каждой записи в reduction_axes. Если keepdims равно true, сокращенные измерения сохраняются с длиной 1.

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

Например:

'x' представляет [[1, ?, 1]

[?, 1, ?]]

где ? неявно равен нулю.

x = tf.sparse.SparseTensor([[0, 0], [0, 2], [1, 1]], [1, 1, 1], [2, 3])
tf.sparse.reduce_sum(x)
<tf.Tensor: shape=(), dtype=int32, numpy=3>
tf.sparse.reduce_sum(x, 0)
<tf.Tensor: shape=(3,), dtype=int32, numpy=array([1, 1, 1], dtype=int32)>
tf.sparse.reduce_sum(x, 1)  # Can also use -1 as the axis
<tf.Tensor: shape=(2,), dtype=int32, numpy=array([2, 1], dtype=int32)>
tf.sparse.reduce_sum(x, 1, keepdims=True)
<tf.Tensor: shape=(2, 1), dtype=int32, numpy=
array([[2],
       [1]], dtype=int32)>
tf.sparse.reduce_sum(x, [0, 1])
<tf.Tensor: shape=(), dtype=int32, numpy=3>