SparseMatrixSparseMatMul

Sparse-matrix-دو ماتریس CSR «a» و «b» را ضرب می کند.

ضرب ماتریسی یک ماتریس پراکنده 'a' را با ماتریس پراکنده 'b' انجام می دهد. یک ماتریس پراکنده «a * b» را برمی‌گرداند، مگر اینکه «a» یا «b» جابه‌جایی یا الحاق شده باشند.

هر ماتریس ممکن است با توجه به پارامترهای بولی «transpose_a»، «adjoint_a»، «transpose_b» و «adjoint_b» جابه‌جا یا متصل شود (مزوج و جابه‌جا شود). حداکثر یکی از «transpose_a» یا «adjoint_a» ممکن است True باشد. به طور مشابه، حداکثر یکی از «transpose_b» یا «adjoint_b» ممکن است True باشد.

ورودی ها باید دارای اشکال سازگار باشند. یعنی بعد درونی «الف» باید برابر با بعد بیرونی «ب» باشد. این نیاز با توجه به اینکه «a» یا «b» جابه‌جا شده باشد یا الحاقی تنظیم می‌شود.

پارامتر "type" نوع عناصر ماتریس را نشان می دهد. هر دو «a» و «b» باید یک نوع داشته باشند. انواع پشتیبانی شده عبارتند از: «float32»، «float64»، «complex64» و «complex128».

هر دو «a» و «b» باید دارای رتبه یکسانی باشند. پخش پشتیبانی نمی شود. اگر دارای رتبه 3 باشند، هر دسته از ماتریس های 2 بعدی CSRSparse در «a» و «b» باید شکل متراکم یکسانی داشته باشند.

حاصل ضرب ماتریس پراکنده ممکن است صفرهای عددی (غیر ساختاری) داشته باشد. TODO(anudhyan): برای کنترل اینکه آیا صفرها را هرس کنیم یا نه، یک ویژگی بولی اضافه کنید.

مثال استفاده:

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)
 

«c_sm_dense_value» محصول ماتریس متراکم را ذخیره می کند:

[[  2.   0.   0.]
      [  0.   0.   0.]
      [ 35.  40.   0.]
      [ -4.   0.   0.]]
 

a: «CSRSparseMatrix». b: یک «CSRSparseMatrix» با همان نوع و رتبه «a». type: نوع «a» و «b». transpose_a: اگر True باشد، «a» قبل از ضرب جابه‌جا می‌شود. transpose_b: اگر True باشد، «b» قبل از ضرب جابه‌جا می‌شود. adjoint_a: اگر True باشد، "a" قبل از ضرب الحاق می شود. adjoint_b: اگر True باشد، «b» قبل از ضرب الحاق می شود.