SparseMatrixSparseMatMul

Seyrek matris, iki CSR matrisi 'a' ve 'b'yi çarpar.

Seyrek bir matris "a" ile seyrek bir matris "b"nin matris çarpımını gerçekleştirir; 'a' veya 'b' yer değiştirme veya bitişik olmadıkça seyrek bir matris 'a * b' döndürür.

Her matris, 'transpose_a', 'adjoint_a', 'transpose_b' ve 'adjoint_b' Boolean parametrelerine göre transpoze edilebilir veya eklenebilir (eşleniklenebilir ve transpoze edilebilir). En fazla "transpose_a" veya "adjoint_a"dan biri Doğru olabilir. Benzer şekilde, "transpose_b" veya "adjoint_b"den en fazla biri Doğru olabilir.

Girişlerin uyumlu şekillere sahip olması gerekir. Yani 'a'nın iç boyutu 'b'nin dış boyutuna eşit olmalıdır. Bu gereklilik, 'a' veya 'b'nin aktarılmış veya bitişik olmasına göre ayarlanır.

'type' parametresi matris elemanlarının tipini belirtir. Hem "a" hem de "b" aynı türde olmalıdır. Desteklenen türler şunlardır: 'float32', 'float64', 'complex64' ve 'complex128'.

Hem 'a' hem de 'b' aynı sıralamaya sahip olmalıdır. Yayın desteklenmiyor. Dereceleri 3 ise, 'a' ve 'b' içerisindeki her 2D CSRSparseMatrices grubu aynı yoğun şekle sahip olmalıdır.

Seyrek matris çarpımı sayısal (yapısal olmayan) sıfırlara sahip olabilir. YAPILACAKLAR(anudhyan): Sıfırların budayıp budamayacağını kontrol etmek için bir boole özelliği eklemeyi düşünün.

Kullanım örneği:

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` yoğun matris ürününü saklar:

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

a: Bir 'CSRS Ayrıştırma Matrisi'. b: "a" ile aynı tür ve sıralamaya sahip bir "CSRSparseMatrix". type: Hem 'a' hem de 'b'nin türü. transpose_a: Doğruysa, çarpmadan önce aktarılan `a'. transpose_b: Doğruysa, çarpmadan önce aktarılan 'b'. adjoint_a: Doğruysa, çarpmadan önce bitişik olan `a'. adjoint_b: Doğruysa, 'b' çarpmadan önce bitişiktir.