添加兩個張量,每個張量中至少有一個是 SparseTensor
。
用法
tf.sparse.add(
a, b, threshold=0
)
參數
-
a
第一個操作數;SparseTensor
或Tensor
。 -
b
第二個操作數;SparseTensor
或Tensor
。至少一個操作數必須是稀疏的。 -
threshold
一個 0-DTensor
。確定輸出值/索引對是否占用空間的幅度閾值。如果它們是真實的,它的 dtype 應該與值匹配;如果後者是 complex64/complex128,那麽 dtype 應該相應地是 float32/float64。
返回
-
A
SparseTensor
或Tensor
,表示總和。
拋出
-
TypeError
如果a
和b
都是Tensor
s。請改用tf.add()
。
如果傳入了一個 SparseTensor
和一個 Tensor
,則返回一個 Tensor
。如果兩個參數都是 SparseTensor
,則返回 SparseTensor
。參數的順序無關緊要。使用 vanilla tf.add()
添加兩個密集的 Tensor
s。
兩個操作數的形狀必須匹配:不支持廣播。
假設任何輸入SparseTensor
的索引都按標準字典順序排序。如果不是這種情況,請在此步驟之前運行SparseReorder
以恢複索引順序。
如果兩個參數都是稀疏的,我們執行 "clipping" 如下。默認情況下,如果兩個值在某個索引處總和為零,則輸出SparseTensor
仍將在其索引中包含該特定位置,在相應的值槽中存儲一個零。要覆蓋這一點,調用者可以指定 threshold
,表示如果總和的幅度嚴格小於 threshold
,則不包括其對應的值和索引。特別是,threshold == 0.0
(默認)表示保留所有內容,實際閾值僅針對正值發生。
例如,假設兩個稀疏操作數的邏輯和是(致密的):
[ 2]
[.1 0]
[ 6 -.2]
然後,
threshold == 0
(默認):將返回所有 5 個索引/值對。threshold == 0.11
:隻有 .1 和 0 會消失,剩下的三個索引/值對將被返回。threshold == 0.21
:.1、0 和 -.2 將消失。
相關用法
- Python tf.sparse.cross用法及代碼示例
- Python tf.sparse.mask用法及代碼示例
- Python tf.sparse.split用法及代碼示例
- Python tf.sparse.to_dense用法及代碼示例
- Python tf.sparse.expand_dims用法及代碼示例
- Python tf.sparse.maximum用法及代碼示例
- Python tf.sparse.bincount用法及代碼示例
- Python tf.sparse.concat用法及代碼示例
- Python tf.sparse.transpose用法及代碼示例
- Python tf.sparse.reduce_sum用法及代碼示例
- Python tf.sparse.softmax用法及代碼示例
- Python tf.sparse.to_indicator用法及代碼示例
- Python tf.sparse.from_dense用法及代碼示例
- Python tf.sparse.retain用法及代碼示例
- Python tf.sparse.minimum用法及代碼示例
- Python tf.sparse.segment_sum用法及代碼示例
- Python tf.sparse.reduce_max用法及代碼示例
- Python tf.sparse.fill_empty_rows用法及代碼示例
- Python tf.sparse.slice用法及代碼示例
- Python tf.sparse.cross_hashed用法及代碼示例
注:本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.sparse.add。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。