Operasi Jarang

Tambahkan N -minibatch SparseTensor ke SparseTensorsMap , kembalikan N pegangan.

Tambahkan SparseTensor ke SparseTensorsMap , kembalikan pegangannya.

Deserialisasi dan gabungkan SparseTensors dari minibatch serial.

Deserialisasi objek SparseTensor .

Buat serial N -minibatch SparseTensor menjadi objek Tensor [N, 3] .

Buat serial SparseTensor menjadi objek Tensor [3] .

Menambahkan dua objek SparseTensor untuk menghasilkan SparseTensor lainnya.

Operator gradien untuk operasi SparseAdd .

Menggabungkan daftar SparseTensor sepanjang dimensi yang ditentukan.

Menghasilkan persilangan renggang dari daftar tensor renggang dan padat.

Menghasilkan persilangan renggang dari daftar tensor renggang dan padat.

Menghasilkan persilangan renggang dari daftar tensor renggang dan padat.

Menambahkan SparseTensor dan Tensor padat, menggunakan aturan khusus berikut:

Dari segi komponen, SparseTensor dibagi dengan Tensor padat.

Berdasarkan komponen, SparseTensor dikalikan dengan Tensor padat.

Mengisi baris kosong di input SparseTensor 2-D dengan nilai default.

Gradien SparseFillEmptyRows .

Menghitung jumlah maksimum elemen di seluruh dimensi SparseTensor.

Menghitung jumlah maksimum elemen di seluruh dimensi SparseTensor.

Menghitung jumlah elemen di seluruh dimensi SparseTensor.

Menghitung jumlah elemen di seluruh dimensi SparseTensor.

Menyusun ulang SparseTensor ke dalam pengurutan baris-mayor kanonik.

Membentuk ulang SparseTensor untuk mewakili nilai dalam bentuk padat baru.

Iris SparseTensor berdasarkan start dan size .

Operator gradien untuk operasi SparseSlice .

Menerapkan softmax ke ND SparseTensor batch.

Mengembalikan maksimal dua SparseTensor berdasarkan elemen.

Mengembalikan min berdasarkan elemen dari dua SparseTensor.

Pisahkan SparseTensor menjadi num_split tensor sepanjang satu dimensi.

Menambahkan SparseTensor dan Tensor padat, menghasilkan Tensor padat.

Kalikan SparseTensor (peringkat 2) "A" dengan matriks padat "B".

Mengubah representasi renggang menjadi tensor padat.