جریان تنسور:: عملیات:: SparseMatMul

#include <math_ops.h>

ماتریس "a" را در ماتریس "ب" ضرب کنید .

خلاصه

ورودی ها باید ماتریس های دو بعدی باشند و بعد داخلی "a" باید با بعد بیرونی "b" مطابقت داشته باشد. هر دو "a" و "b" باید Tensor s باشند نه SparseTensor s. این عملیات برای مواردی بهینه شده است که حداقل یکی از "a" یا "b" پراکنده باشد، به این معنا که نسبت زیادی از مقادیر صفر دارند. نقطه سر به سر استفاده از این در مقابل ضرب ماتریس متراکم در یک پلت فرم، 30 درصد مقادیر صفر در ماتریس پراکنده بود.

محاسبه گرادیان این عملیات تنها زمانی از پراکندگی در گرادیان ورودی استفاده می کند که آن گرادیان از یک Relu باشد.

استدلال ها:

برمی‌گرداند:

  • Output : تانسور محصول.

سازندگان و ویرانگرها

SparseMatMul (const :: tensorflow::Scope & scope, :: tensorflow::Input a, :: tensorflow::Input b)
SparseMatMul (const :: tensorflow::Scope & scope, :: tensorflow::Input a, :: tensorflow::Input b, const SparseMatMul::Attrs & attrs)

صفات عمومی

operation
product

توابع عمومی

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

توابع استاتیک عمومی

AIsSparse (bool x)
BIsSparse (bool x)
TransposeA (bool x)
TransposeB (bool x)

سازه ها

tensorflow:: ops:: SparseMatMul:: Attrs

تنظیم کننده های ویژگی اختیاری برای SparseMatMul .

صفات عمومی

عملیات

Operation operation

محصول

::tensorflow::Output product

توابع عمومی

SparseMatMul

 SparseMatMul(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input a,
  ::tensorflow::Input b
)

SparseMatMul

 SparseMatMul(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input a,
  ::tensorflow::Input b,
  const SparseMatMul::Attrs & attrs
)

گره

::tensorflow::Node * node() const 

عملگر::tensorflow::ورودی

 operator::tensorflow::Input() const 

عملگر::tensorflow::خروجی

 operator::tensorflow::Output() const 

توابع استاتیک عمومی

AIsSparse

Attrs AIsSparse(
  bool x
)

BIsSparse

Attrs BIsSparse(
  bool x
)

TransposeA

Attrs TransposeA(
  bool x
)

TransposeB

Attrs TransposeB(
  bool x
)