SparseMatrixSparseMatMul

Разреженная матрица умножает две матрицы CSR `a` и `b`.

Выполняет матричное умножение разреженной матрицы «a» на разреженную матрицу «b»; возвращает разреженную матрицу `a * b`, если только `a` или `b` не транспонированы или не присоединены.

Каждая матрица может быть транспонирована или присоединена (сопряжена и транспонирована) в соответствии с логическими параметрами `transpose_a`, `adjoint_a`, `transpose_b` и `adjoint_b`. Максимум одно из значений `transpose_a` или `adjoint_a` может быть истинным. Аналогично, не более одного из значений `transpose_b` или `adjoint_b` может быть истинным.

Входные данные должны иметь совместимые формы. То есть внутренний размер «а» должен быть равен внешнему размеру «b». Это требование корректируется в зависимости от того, транспонировано или присоединено либо `a`, либо `b`.

Параметр type обозначает тип элементов матрицы. И `a`, и `b` должны иметь один и тот же тип. Поддерживаемые типы: float32, float64, complex64 и complex128.

И `a`, и `b` должны иметь одинаковый ранг. Вещание не поддерживается. Если они имеют ранг 3, каждая партия 2D CSRSparseMatrics внутри `a` и `b` должна иметь одинаковую плотную форму.

Продукт разреженной матрицы может иметь числовые (неструктурные) нули. TODO(anudhyan): Рассмотрите возможность добавления логического атрибута, чтобы контролировать, нужно ли удалять нули.

Пример использования:

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` хранит продукт плотной матрицы:

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

a: CSRSparseMatrix. b: CSRSparseMatrix того же типа и ранга, что и a. type: Тип `a` и `b`. transpose_a: Если True, `a` транспонируется перед умножением. transpose_b: Если True, `b` транспонируется перед умножением. adjoint_a: Если True, `a` присоединяется перед умножением. adjoint_b: если True, `b` присоединяется перед умножением.