Advertencia: esta API está obsoleta y se eliminará en una versión futura de TensorFlow una vez que el reemplazo sea ​​estable.

SparseMatrixSparseMatMul

SparseMatrixSparseMatMul public final class

Sparse-matrix-multiplica dos matrices CSR `a` y` b`.

Realiza una multiplicación matricial de una matriz dispersa `a` con una matriz dispersa` b`; devuelve una matriz dispersa `a * b`, a menos que` a` o `b` estén transpuestos o adjuntos.

Cada matriz puede ser transpuesta o adjunta (conjugada y transpuesta) de acuerdo con los parámetros booleanos `transpose_a`,` adjoint_a`, `transpose_b` y` adjoint_b`. Como máximo, uno de `transpose_a` o` adjoint_a` puede ser Verdadero. De manera similar, como máximo uno de `transpose_b` o` adjoint_b` puede ser Verdadero.

Las entradas deben tener formas compatibles. Es decir, la dimensión interna de "a" debe ser igual a la dimensión externa de "b". Este requisito se ajusta según se transponga o se adjunte "a" o "b".

El parámetro `type` denota el tipo de los elementos de la matriz. Tanto `a` como` b` deben tener el mismo tipo. Los tipos admitidos son: `float32`,` float64`, `complex64` y` complex128`.

Tanto "a" como "b" deben tener el mismo rango. No se admite la transmisión. Si tienen rango 3, cada lote de CSRSparseMatrices 2D dentro de `a` y` b` debe tener la misma forma densa.

El producto de matriz dispersa puede tener ceros numéricos (no estructurales). TODO (anudhyan): considere agregar un atributo booleano para controlar si se deben eliminar los ceros.

Ejemplo de uso:

from tensorflow.python.ops.linalg.sparse import sparse_csr_matrix_ops
 
     a_indices = np.array([[0, 0], [2, 3], [2, 4], [3, 0]])
     a_values = np.array([1.0, 5.0, -1.0, -2.0], np.float32)
     a_dense_shape = [4, 5]
 
     b_indices = np.array([[0, 0], [3, 0], [3, 1]])
     b_values = np.array([2.0, 7.0, 8.0], np.float32)
     b_dense_shape = [5, 3]
 
     with tf.Session() as sess:
       # Define (COO format) Sparse Tensors over Numpy arrays
       a_st = tf.sparse.SparseTensor(a_indices, a_values, a_dense_shape)
       b_st = tf.sparse.SparseTensor(b_indices, b_values, b_dense_shape)
 
       # Convert SparseTensors to CSR SparseMatrix
       a_sm = sparse_csr_matrix_ops.sparse_tensor_to_csr_sparse_matrix(
           a_st.indices, a_st.values, a_st.dense_shape)
       b_sm = sparse_csr_matrix_ops.sparse_tensor_to_csr_sparse_matrix(
           b_st.indices, b_st.values, b_st.dense_shape)
 
       # Compute the CSR SparseMatrix matrix multiplication
       c_sm = sparse_csr_matrix_ops.sparse_matrix_sparse_mat_mul(
           a=a_sm, b=b_sm, type=tf.float32)
 
       # Convert the CSR SparseMatrix product to a dense Tensor
       c_sm_dense = sparse_csr_matrix_ops.csr_sparse_matrix_to_dense(
           c_sm, tf.float32)
       # Evaluate the dense Tensor value
       c_sm_dense_value = sess.run(c_sm_dense)
 
`tiendas c_sm_dense_value` el producto de matriz densa:
[[  2.   0.   0.]
      [  0.   0.   0.]
      [ 35.  40.   0.]
      [ -4.   0.   0.]]
 
a: Un` CSRSparseMatrix`. b: un "CSRSparseMatrix" con el mismo tipo y rango que "a". type: el tipo de `a` y` b`. transpose_a: Si es True, `a` se transpone antes de la multiplicación. transpose_b: si es verdadero, `b` se transpone antes de la multiplicación. adjoint_a: Si es verdadero, `a` adjunto antes de la multiplicación. adjoint_b: Si es verdadero, `b` adjunto antes de la multiplicación.

Clases anidadas

clase SparseMatrixSparseMatMul.Options Los atributos opcionales para SparseMatrixSparseMatMul

Métodos públicos

estáticas SparseMatrixSparseMatMul.Options
adjointA (Boolean adjointA)
estáticas SparseMatrixSparseMatMul.Options
adjointB (Boolean adjointB)
Salida <objeto>
asOutput ()
Devuelve el identificador simbólico de un tensor.
Salida <?>
c ()
Un CSRSparseMatrix.
estática <T> SparseMatrixSparseMatMul
crear ( Alcance alcance, operando <?> a, operando <?> B, Clase <T> tipo, Opciones ... Opciones)
Método de fábrica para crear una clase que envuelva una nueva operación SparseMatrixSparseMatMul.
estáticas SparseMatrixSparseMatMul.Options
transposeA (Boolean transposeA)
estáticas SparseMatrixSparseMatMul.Options
transposeB (Boolean transposeB)

Métodos heredados

Métodos públicos

estáticas pública SparseMatrixSparseMatMul.Options adjointA (booleano adjointA)

Parámetros
adjointA Indica si se debe conjugar-transponer "a".

estáticas pública SparseMatrixSparseMatMul.Options adjointB (booleano adjointB)

Parámetros
adjointB Indica si se debe conjugar-transponer `b`.

pública de salida <Objeto> asOutput ()

Devuelve el identificador simbólico de un tensor.

Las entradas a las operaciones de TensorFlow son salidas de otra operación de TensorFlow. Este método se utiliza para obtener un identificador simbólico que representa el cálculo de la entrada.

pública de salida <?> c ()

Un CSRSparseMatrix.

public static SparseMatrixSparseMatMul crear ( Alcance alcance, operando <?> a, operando <?> B, Clase <T> tipo, Opciones ... Opciones)

Método de fábrica para crear una clase que envuelva una nueva operación SparseMatrixSparseMatMul.

Parámetros
alcance alcance actual
a Un CSRSparseMatrix.
B Un CSRSparseMatrix.
opciones lleva valores de atributos opcionales
Devoluciones
  • una nueva instancia de SparseMatrixSparseMatMul

estáticas pública SparseMatrixSparseMatMul.Options transposeA (booleano transposeA)

Parámetros
transposeA Indica si se debe transponer "a".

estáticas pública SparseMatrixSparseMatMul.Options transposeB (booleano transposeB)

Parámetros
transposeB Indica si se debe transponer "b".