添加两个张量,每个张量中至少有一个是 SparseTensor
。
用法
tf.sparse.add(
a, b, threshold=0
)
参数
-
a
第一个操作数;SparseTensor
或Tensor
。 -
b
第二个操作数;SparseTensor
或Tensor
。至少一个操作数必须是稀疏的。 -
threshold
一个 0-DTensor
。确定输出值/索引对是否占用空间的幅度阈值。如果它们是真实的,它的 dtype 应该与值匹配;如果后者是 complex64/complex128,那么 dtype 应该相应地是 float32/float64。
返回
-
A
SparseTensor
或Tensor
,表示总和。
抛出
-
TypeError
如果a
和b
都是Tensor
s。请改用tf.add()
。
如果传入了一个 SparseTensor
和一个 Tensor
,则返回一个 Tensor
。如果两个参数都是 SparseTensor
,则返回 SparseTensor
。参数的顺序无关紧要。使用 vanilla tf.add()
添加两个密集的 Tensor
s。
两个操作数的形状必须匹配:不支持广播。
假设任何输入SparseTensor
的索引都按标准字典顺序排序。如果不是这种情况,请在此步骤之前运行SparseReorder
以恢复索引顺序。
如果两个参数都是稀疏的,我们执行 "clipping" 如下。默认情况下,如果两个值在某个索引处总和为零,则输出SparseTensor
仍将在其索引中包含该特定位置,在相应的值槽中存储一个零。要覆盖这一点,调用者可以指定 threshold
,表示如果总和的幅度严格小于 threshold
,则不包括其对应的值和索引。特别是,threshold == 0.0
(默认)表示保留所有内容,实际阈值仅针对正值发生。
例如,假设两个稀疏操作数的逻辑和是(致密的):
[ 2]
[.1 0]
[ 6 -.2]
然后,
threshold == 0
(默认):将返回所有 5 个索引/值对。threshold == 0.11
:只有 .1 和 0 会消失,剩下的三个索引/值对将被返回。threshold == 0.21
:.1、0 和 -.2 将消失。
相关用法
- Python tf.sparse.cross用法及代码示例
- Python tf.sparse.mask用法及代码示例
- Python tf.sparse.split用法及代码示例
- Python tf.sparse.to_dense用法及代码示例
- Python tf.sparse.expand_dims用法及代码示例
- Python tf.sparse.maximum用法及代码示例
- Python tf.sparse.bincount用法及代码示例
- Python tf.sparse.concat用法及代码示例
- Python tf.sparse.transpose用法及代码示例
- Python tf.sparse.reduce_sum用法及代码示例
- Python tf.sparse.softmax用法及代码示例
- Python tf.sparse.to_indicator用法及代码示例
- Python tf.sparse.from_dense用法及代码示例
- Python tf.sparse.retain用法及代码示例
- Python tf.sparse.minimum用法及代码示例
- Python tf.sparse.segment_sum用法及代码示例
- Python tf.sparse.reduce_max用法及代码示例
- Python tf.sparse.fill_empty_rows用法及代码示例
- Python tf.sparse.slice用法及代码示例
- Python tf.sparse.cross_hashed用法及代码示例
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.sparse.add。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。