我正在尝试使用 tensorflow tf.sparse_tensor_dense_matmul(X, W1) . X定义为tf.placeholder：
tensorflow tf.sparse_tensor_dense_matmul(X, W1)
X = tf.placeholder("float", [None, size]) .
X = tf.placeholder("float", [None, size])
W是tf.Variable
在进入dict时，我传递的是张量流稀疏矩阵 . 但是我收到了错误：
TypeError：输入必须是SparseTensor .
如何让sparse_tensor_dense_matmul模块知道我将以稀疏张量传递？
要通过占位符传递SparseTensor，可以使用sparse_placeholder：
sparse_place = tf.sparse_placeholder(tf.float64) mul_result = tf.sparse_tensor_dense_matmul(sparse_place, some_dense_tensor)
您可以按如下方式使用它：
dense_version = tf.sparse_tensor_to_dense(sparse_place) sess.run(dense_version, feed_dict={sparse_place: tf.SparseTensorValue([[0,1], [2,2]], [1.5, 2.9], [3, 3])}) Out: array([[ 0. , 1.5, 0. ], [ 0. , 0. , 0. ], [ 0. , 0. , 2.9]])
或者，您可以为值，形状和索引创建三个单独的占位符，例如：
indices = tf.placeholder(tf.int64) shape = tf.placeholder(tf.int64) values = tf.placeholder(tf.float64) sparse_tensor = tf.SparseTensor(indices, shape, values) sess.run(sparse_tensor, feed_dict={shape: [3, 3], indices: [[0,1], [2,2]], values: [1.5, 2.9]})
1 回答
要通过占位符传递SparseTensor，可以使用sparse_placeholder：
您可以按如下方式使用它：
或者，您可以为值，形状和索引创建三个单独的占位符，例如：