جریان تنسور:: عملیات:: SparseAdd

#include <sparse_ops.h>

دو شی SparseTensor را برای تولید SparseTensor دیگر اضافه می کند.

خلاصه

شاخص های اشیاء SparseTensor ورودی به ترتیب واژگانی استاندارد مرتب شده اند. اگر اینطور نیست، قبل از این مرحله SparseReorder اجرا کنید تا ترتیب فهرست را بازیابی کنید.

به‌طور پیش‌فرض، اگر مجموع دو مقدار در برخی از شاخص‌ها به صفر برسد، SparseTensor خروجی همچنان آن مکان خاص را در فهرست خود قرار می‌دهد و یک صفر را در شکاف مقدار مربوطه ذخیره می‌کند. برای نادیده گرفتن این مورد، تماس گیرندگان می توانند thresh مشخص کنند، که نشان می دهد اگر مجموع مقداری کاملاً کوچکتر از thresh داشته باشد، مقدار و شاخص مربوطه آن لحاظ نمی شود. به طور خاص، thresh == 0 (پیش فرض) به این معنی است که همه چیز حفظ می شود و آستانه واقعی فقط برای یک مقدار مثبت اتفاق می افتد.

در شکل های زیر، nnz شمارش پس از در نظر گرفتن thresh است.

استدلال ها:

  • scope: یک شی Scope
  • a_شاخص ها: 2-D. indices اولین SparseTensor ، اندازه [nnz, ndims] ماتریس.
  • a_values: 1-D. values اولین SparseTensor ، اندازه [nnz] بردار.
  • a_shape: 1-D. shape اولین SparseTensor ، اندازه [ndims] بردار.
  • b_شاخص ها: 2-D. indices دومین ماتریس SparseTensor ، اندازه [nnz, ndims] .
  • b_values: 1-D. values بردار SparseTensor دوم، اندازه [nnz] .
  • b_shape: 1-D. shape دومین SparseTensor ، اندازه [ndims] بردار.
  • کوبیدن: 0-D. آستانه بزرگی که تعیین می کند آیا یک جفت مقدار/شاخص خروجی فضا را اشغال می کند.

برمی گرداند:

سازندگان و ویرانگرها

SparseAdd (const :: tensorflow::Scope & scope, :: tensorflow::Input a_indices, :: tensorflow::Input a_values, :: tensorflow::Input a_shape, :: tensorflow::Input b_indices, :: tensorflow::Input b_values, :: tensorflow::Input b_shape, :: tensorflow::Input thresh)

صفات عمومی

operation
sum_indices
sum_shape
sum_values

صفات عمومی

عملیات

Operation operation

مجموع_شاخص ها

::tensorflow::Output sum_indices

sum_shape

::tensorflow::Output sum_shape

sum_values

::tensorflow::Output sum_values

توابع عمومی

SparseAdd

 SparseAdd(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input a_indices,
  ::tensorflow::Input a_values,
  ::tensorflow::Input a_shape,
  ::tensorflow::Input b_indices,
  ::tensorflow::Input b_values,
  ::tensorflow::Input b_shape,
  ::tensorflow::Input thresh
)