tf.sparse_to_dense：形状必须是等级1但是等级0-Java 学习之路

我的代码：

def f(x):
    try:
        import tensorflow as tf
        # x is (None, 10, 2)
        idx = K.cast(x*15.5+15.5, "int32")
        z = tf.sparse_to_dense(idx, 32, 1.0, 0.0, name='sparse_tensor')
        print('z.shape={0}'.format(z.shape))
    except Exception as e:
        print(e)
    return x[:, :, 0:2]

drop_out = Lambda(lambda x: f(x), 
                  output_shape=drop_output_shape, name='projection')(reshape_out)

x是 (None, 10, 2) 的张量，其中有10个索引/坐标 . 试图生成一个 (None, 32, 32) 张量 z . 我收到以下错误：

Shape must be rank 1 but is rank 0 for 'projection_14/sparse_tensor' (op: 'SparseToDense') with input shapes: [?,10,2], [], [], [].

怎么解决？谢谢

1 回答

0
您看到的具体错误是试图说你的 output_shape 应该是一维张量，就像 (32,) ，而不是你在那里的0-D Tensor， 32 . 但我担心这个简单的改变不会解决你的问题 .

有一点我不明白，当你说你只有10个指数时，为什么你的 x 是一个三维张量 . 从技术上讲，sparse_indices can be a 2-D tensor at most . 我对 tf.sparse_to_dense 的理解是它与制作稀疏张量非常相似 . 所以 (10, 2) 中的数字 2 已经确定输出张量将是2-D . None ，与变体样本大小一样，应该以不同方式处理 .

遵循这个逻辑，你可能会发现另一个问题是 output_shape 应该是 (32, 32) 而不是 (32,) 作为上面提到的简单修复 . 元组的长度应与 sparse_indices 的形状（具体的最后一个轴）匹配 .

考虑到所有这些，我认为只有MVCE模仿你的例子的张量流可能是：
```
import numpy as np
import tensorflow as tf

x = tf.placeholder(tf.float32, shape=(10, 2))
idx = tf.cast(x*15.5+15.5, tf.int32)
z = tf.sparse_to_dense(idx, (32, 32), 1.0, 0.0, name='sparse_tensor')

with tf.Session() as sess:
    print(sess.run(
        z, feed_dict={x: np.arange(20, dtype=np.float32).reshape((10, 2))/20})
    )
```
只是要指出：The tf.sparse_to_dense "FUNCTION IS DEPRECATED. It will be removed in a future version. Instructions for updating: Create a tf.sparse.SparseTensor and use tf.sparse.to_dense instead."
回复于 2024-04-28T16:25:59+08:00

tf.sparse_to_dense：形状必须是等级1但是等级0

1 回答

相关问题