Python tf.sparse.softmax用法及代码示例

将 softmax 应用于批处理的 N-D SparseTensor 。

用法

tf.sparse.softmax(
    sp_input, name=None
)

输入表示具有逻辑形状 [..., B, C](其中 N >= 2 )的 N-D SparseTensor，并且索引按规范词典顺序排序。

此操作等效于将普通 tf.nn.softmax() 应用于形状为 [B, C] 的每个最内层逻辑子矩阵，但要注意隐式零元素不参与。具体来说，该算法等价于：

(1) 沿 size-C 维度将 tf.nn.softmax() 应用于形状为 [B, C] 的每个最内层子矩阵的致密视图； (2) 屏蔽掉原来的implicitly-zero位置； (3) 重新规范化剩余元素。

因此，SparseTensor 结果具有完全相同的非零索引和形状。

例子：

# First batch:
# [?   e.]
# [1.  ? ]
# Second batch:
# [e   ? ]
# [e   e ]
shape = [2, 2, 2]  # 3-D SparseTensor
values = np.asarray([[[0., np.e], [1., 0.]], [[np.e, 0.], [np.e, np.e]]])
indices = np.vstack(np.where(values)).astype(np.int64).T

result = tf.sparse.softmax(tf.sparse.SparseTensor(indices, values, shape))
# ...returning a 3-D SparseTensor, equivalent to:
# [?   1.]     [1    ?]
# [1.  ? ] and [.5  .5]
# where ? means implicitly zero.