tf.sparse.reduce_max

Вычисляет tf.sparse.maximum элементов по всем измерениям SparseTensor.

tf.sparse.reduce_max(
    sp_input, axis=None, keepdims=None, output_is_sparse=False, name=None
)

Это операция сокращения для элементной операции tf.sparse.maximum.

Эта операция принимает SparseTensor и является аналогом tf.reduce_max() для разреженных данных. В частности, эта операция также возвращает плотное Tensor если output_is_sparse имеет значение False, или SparseTensor если output_is_sparse имеет значение True.

Примечание: Градиент для этой функции не определён, поэтому её нельзя использовать в обучающих моделях, требующих градиентного спуска.

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

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

Значения, не определённые в sp_input не участвуют в вычислении reduce max, в отличие от неявного предположения о нулевом значении — поэтому она может возвращать отрицательные значения для разреженных axis. Однако, если в axis нет значений, она будет сокращена до 0. См. второй пример ниже.

Например:

'x' представляет [[1, ?, 2]

[?, 3, ?]]

где ? неявно 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)>