TensorFlow函数：tf.sparse_softmax
tf.sparse_softmax 函数
sparse_softmax(
sp_input,
name=None
)定义在：tensorflow/python/ops/sparse_ops.py.
请参阅指南：稀疏张量>数学运算
将 softmax 应用于批量的 N 维 SparseTensor.
在 tf.sparse_softmax 函数中输入代表一个具有逻辑形状[..., B, C](其中N >= 2)的 N 维 SparseTensor ,并且具有按照规范词典顺序排序的索引.
这个操作相当于将 tf.nn.softmax() 应用于具有形状 [B, C] 的每个最内层逻辑子矩阵,但是有了catch,隐式零元素不参与.具体来说,该算法等同于：
- 将 tf.nn.softmax () 应用于每个内层子矩阵的致密视图,其形状为 [B, C],沿着大小为 C 的维度；
- 掩盖原始的隐式零元素；
- 重新规格化剩余的元素.
因此,SparseTensor 结果具有完全相同的非零指数和形状.
以下是一个示例：
# First batch:
# [? e.]
# [1. ? ]
# Second batch:
# [e ? ]
# [e e ]
shape = [2, 2, 2] # 3-D SparseTensor
values = np.asarray([[[0., np.e], [1., 0.]], [[np.e, 0.], [np.e, np.e]]])
indices = np.vstack(np.where(values)).astype(np.int64).T
result = tf.sparse_softmax(tf.SparseTensor(indices, values, shape))
# ...returning a 3-D SparseTensor, equivalent to:
# [? 1.] [1 ?]
# [1. ? ] and [.5 .5]
# where ? means implicitly zero函数参数：
- sp_input：表示 N 维 SparseTensor,其中 N >= 2.
- name：操作的可选名称.
函数返回值：
- output：表示结果的 N 维 SparseTensor.