Python tf.compat.v1.sparse_concat用法及代碼示例

沿指定維度連接 SparseTensor 列表。 (不推薦使用的參數)

用法

tf.compat.v1.sparse_concat(
    axis, sp_inputs, name=None, expand_nonconcat_dim=False, concat_dim=None,
    expand_nonconcat_dims=None
)

警告：不推薦使用某些參數：(concat_dim)。它們將在未來的版本中被刪除。更新說明：concat_dim 已棄用，請改用軸

連接是關於每個稀疏輸入的密集版本。假設每個輸入是一個SparseTensor，其元素按遞增的維數排序。

如果 expand_nonconcat_dim 為 False，則所有輸入的形狀都必須匹配，除了 concat 維度。如果 expand_nonconcat_dim 為 True，則允許輸入的形狀在所有輸入之間變化。

indices , values 和 shapes 列表必須具有相同的長度。

如果 expand_nonconcat_dim 為 False，則輸出形狀與輸入形狀相同，除了沿 concat 維度，它是沿該維度的輸入大小的總和。

如果expand_nonconcat_dim 為True，則沿非連接維度的輸出形狀將擴展為所有輸入中最大的，它是沿連接維度的輸入大小的總和。

輸出元素將被用來保持隨著維度數增加的排序順序。

此操作在 O(M log M) 時間運行，其中 M 是所有輸入中非空值的總數。這是由於需要內部排序以便在任意維度上有效連接。

例如，如果 axis = 1 和輸入是

sp_inputs[0]:shape = [2, 3]
[0, 2]:"a"
[1, 0]:"b"
[1, 1]:"c"

sp_inputs[1]:shape = [2, 4]
[0, 1]:"d"
[0, 2]:"e"

那麽輸出將是

shape = [2, 7]
[0, 2]:"a"
[0, 4]:"d"
[0, 5]:"e"
[1, 0]:"b"
[1, 1]:"c"

從圖形上看，這相當於做

[    a] concat [  d e  ] = [    a   d e  ]
[b c  ]        [       ]   [b c          ]

另一個例子，如果'axis = 1'並且輸入是

sp_inputs[0]:shape = [3, 3]
[0, 2]:"a"
[1, 0]:"b"
[2, 1]:"c"

sp_inputs[1]:shape = [2, 4]
[0, 1]:"d"
[0, 2]:"e"

如果expand_nonconcat_dim = False，這將導致錯誤。但是如果expand_nonconcat_dim = True，這將導致：

shape = [3, 7]
[0, 2]:"a"
[0, 4]:"d"
[0, 5]:"e"
[1, 0]:"b"
[2, 1]:"c"

從圖形上看，這相當於做

[    a] concat [  d e  ] = [    a   d e  ]
[b    ]        [       ]   [b            ]
[  c  ]                    [  c          ]