Python tf.ragged.map_flat_values用法及代码示例

将 op 应用于一个或多个 RaggedTensor 的 flat_values。

用法

tf.ragged.map_flat_values(
    op, *args, **kwargs
)

参数

op 应该应用于 RaggedTensor flat_values 的操作。 op 通常是逐元素操作(例如math_ops.add)，但可以使用任何保留最外层维度大小的操作。即，op 返回的值的 shape[0] 必须与 RaggedTensor s' flat_values 张量的 shape[0] 匹配。
*args op 的参数。
**kwargs op 的关键字参数。

一个RaggedTensor，其ragged_rank 与所有输入RaggedTensor 的ragged_rank 匹配。

抛出

ValueError 如果 args 不包含 RaggedTensors ，或者输入 RaggedTensor 的 nested_splits 不相同。

将 args 或 kwargs 中的任何 RaggedTensor 替换为其 flat_values 张量(它会折叠所有参差不齐的维度)，然后调用 op 。返回由输入 RaggedTensor s' nested_row_splits 和 op 返回的值构成的 RaggedTensor。

如果输入参数包含多个 RaggedTensor ，则它们必须具有相同的 nested_row_splits 。

此操作通常用于将元素操作应用于 RaggedTensor 中的每个值。

警告： tf.ragged.map_flat_values做不是应用op到参差不齐的张量的每一行。这种差异对于非元素操作很重要，例如tf.math.reduce_sum.如果您希望对不规则张量的每一行应用非元素操作，请使用tf.map_fn反而。 (您可能需要指定一个output_signature使用时tf.map_fn带有参差不齐的张量。)

例子：

rt = tf.ragged.constant([[1, 2, 3], [], [4, 5], [6]])
tf.ragged.map_flat_values(tf.ones_like, rt)
<tf.RaggedTensor [[1, 1, 1], [], [1, 1], [1]]>
tf.ragged.map_flat_values(tf.multiply, rt, rt)
<tf.RaggedTensor [[1, 4, 9], [], [16, 25], [36]]>
tf.ragged.map_flat_values(tf.add, rt, 5)
<tf.RaggedTensor [[6, 7, 8], [], [9, 10], [11]]>

非元素操作的示例(请注意，map_flat_values 和 map_fn 返回不同的结果)：

rt = tf.ragged.constant([[1.0, 3.0], [], [3.0, 6.0, 3.0]])
def normalized(x):
  return x / tf.reduce_sum(x)
tf.ragged.map_flat_values(normalized, rt)
<tf.RaggedTensor [[0.0625, 0.1875], [], [0.1875, 0.375, 0.1875]]>
tf.map_fn(normalized, rt)
<tf.RaggedTensor [[0.25, 0.75], [], [0.25, 0.5, 0.25]]>

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.ragged.map_flat_values。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。