codecamp

TensorFlow函数:tf.sparse_matmul

tf.sparse_matmul 函数

sparse_matmul(
    a,
    b,
    transpose_a=False,
    transpose_b=False,
    a_is_sparse=False,
    b_is_sparse=False,
    name=None
)

用矩阵“b”乘以矩阵“a”.

输入必须是二维矩阵,“a”的内部维度必须与“b”的外部维度相匹配.该操作针对“a”或“b”中至少一个稀疏的情况进行了优化.在一个平台上使用这个与稠密矩阵相乘的平衡点在稀疏矩阵中为30%零值.

这个操作的梯度计算只会利用梯度来自 Relu 时输入梯度的稀疏性.

函数参数:

  • a:A Tensor,必须是以下类型之一:float32,bfloat16.
  • b:A Tensor,必须是以下类型之一:float32,bfloat16.
  • transpose_a:可选的bool,默认为False.
  • transpose_b:可选的bool,默认为False.
  • a_is_sparse:可选的bool,默认为False.
  • b_is_sparse:可选的bool,默认为False.
  • name:操作的名称(可选).

函数返回值:

该 tf.sparse_matmul 函数返回一个float32类型的Tensor.

TensorFlow函数:tf.sparse_mask
TensorFlow稀疏张量:tf.sparse_maximum函数
温馨提示
下载编程狮App,免费阅读超1000+编程语言教程
取消
确定
目录

TensorFlow 函数介绍

TensorFlow 函数模块:tf

TensorFlow的image模块

TensorFlow使用之tf.io

TensorFlow使用之tf.keras

TensorFlow函数教程:tf.keras.applications

TensorFlow函数教程:tf.keras.backend

TensorFlow使用之tf.metrics

TensorFlow使用之tf.nn

TensorFlow使用之tf.python_io

TensorFlow 功能函数

关闭

MIP.setData({ 'pageTheme' : getCookie('pageTheme') || {'day':true, 'night':false}, 'pageFontSize' : getCookie('pageFontSize') || 20 }); MIP.watch('pageTheme', function(newValue){ setCookie('pageTheme', JSON.stringify(newValue)) }); MIP.watch('pageFontSize', function(newValue){ setCookie('pageFontSize', newValue) }); function setCookie(name, value){ var days = 1; var exp = new Date(); exp.setTime(exp.getTime() + days*24*60*60*1000); document.cookie = name + '=' + value + ';expires=' + exp.toUTCString(); } function getCookie(name){ var reg = new RegExp('(^| )' + name + '=([^;]*)(;|$)'); return document.cookie.match(reg) ? JSON.parse(document.cookie.match(reg)[2]) : null; }