Python tf.compat.v1.sparse_merge用法及代码示例

将一批特征 ID 和值组合成一个 SparseTensor 。 (已弃用)

用法

tf.compat.v1.sparse_merge(
    sp_ids, sp_values, vocab_size, name=None, already_sorted=False
)

警告：此函数已弃用。它将在未来的版本中删除。更新说明：目前没有类似的操作。

此函数最常见的用例发生在特征 ID 及其对应值存储在磁盘上的Example protos 中时。 parse_example 将返回一批 id 和一批值，该函数将它们连接成一个逻辑 SparseTensor 以用于 sparse_tensor_dense_matmul , sparse_to_dense 等函数。

此函数返回的SparseTensor 具有以下属性：

• indices 等效于 sp_ids.indices ，最后一个维度被丢弃并替换为 sp_ids.values 。
• values 只是 sp_values.values 。
• 如果 sp_ids.dense_shape = [D0, D1, ..., Dn, K] ，那么 output.shape = [D0, D1, ..., Dn, vocab_size] 。

例如，考虑以下特征向量：

vector1 = [-3, 0, 0, 0, 0, 0]
  vector2 = [ 0, 1, 0, 4, 1, 0]
  vector3 = [ 5, 0, 0, 9, 0, 0]

通过仅存储非零元素和相应值的特征 ID(如果向量被视为矩阵，则为列号)，这些可能会稀疏地存储在以下示例原型中：

examples = [Example(features={
                  "ids":Feature(int64_list=Int64List(value=[0])),
                  "values":Feature(float_list=FloatList(value=[-3]))}),
              Example(features={
                  "ids":Feature(int64_list=Int64List(value=[1, 4, 3])),
                  "values":Feature(float_list=FloatList(value=[1, 1, 4]))}),
              Example(features={
                  "ids":Feature(int64_list=Int64List(value=[0, 3])),
                  "values":Feature(float_list=FloatList(value=[5, 9]))})]

在这些示例上调用parse_example 的结果将生成一个字典，其中包含"ids" 和"values" 的条目。将这两个对象与 vocab_size=6 一起传递给此函数，将生成一个稀疏地表示所有三个实例的 SparseTensor。即indices属性将包含特征矩阵中非零条目的坐标(第一维是矩阵中的行号，即batch内的索引，第二维是列号，即特征ID)； values 将包含实际值。 shape 将是原始矩阵的形状，即 (3, 6)。对于我们上面的示例，输出将等于：

SparseTensor(indices=[[0, 0], [1, 1], [1, 3], [1, 4], [2, 0], [2, 3]],
               values=[-3, 1, 4, 1, 5, 9],
               dense_shape=[3, 6])

通过简单地提供sp_ids 和vocab_size 的列表，此方法推广到higher-dimensions。在这种情况下，生成的 SparseTensor 具有以下属性：

• indices 等效于 sp_ids[0].indices ，其中最后一个维度被丢弃并与 sp_ids[0].values, sp_ids[1].values, ... 连接。
• values 只是 sp_values.values 。
• 如果 sp_ids.dense_shape = [D0, D1, ..., Dn, K] ，那么 output.shape = [D0, D1, ..., Dn] + vocab_size 。