Python tf.sparse.SparseTensor用法及代码示例

表示稀疏张量。

用法

tf.sparse.SparseTensor(
    indices, values, dense_shape
)

TensorFlow 将稀疏张量表示为三个独立的密集张量：indices , values 和 dense_shape。在 Python 中，三个张量被收集到一个SparseTensor 类中以便于使用。如果您有单独的 indices , values 和 dense_shape 张量，请将它们包装在 SparseTensor 对象中，然后再传递给下面的操作。

具体来说，稀疏张量 SparseTensor(indices, values, dense_shape) 包含以下组件，其中 N 和 ndims 分别是 SparseTensor 中的值数和维数：

• indices ：形状为 [N, ndims] 的二维 int64 张量，它指定稀疏张量中包含非零值的元素的索引(元素为 zero-indexed)。例如，indices=[[1,3], [2,4]] 指定索引为 [1,3] 和 [2,4] 的元素具有非零值。

• values ：任何类型和形状的一维张量 [N] ，它为 indices 中的每个元素提供值。例如，给定 indices=[[1,3], [2,4]] ，参数 values=[18, 3.6] 指定稀疏张量的元素 [1,3] 的值为 18，张量的元素 [2,4] 的值为 3.6。

• dense_shape ：形状为 [ndims] 的一维 int64 张量，它指定稀疏张量的 dense_shape。获取一个列表，指示每个维度中的元素数量。例如，dense_shape=[3,6] 指定二维 3x6 张量，dense_shape=[2,3,4] 指定三维 2x3x4 张量，dense_shape=[9] 指定具有 9 个元素的一维张量。

对应的稠密张量满足：

dense.shape = dense_shape
dense[tuple(indices[i])] = values[i]

按照惯例，indices 应该按行优先顺序(或等效的元组 indices[i] 上的字典顺序)排序。在构造 SparseTensor 对象时不会强制执行此操作，但大多数操作都假定正确排序。如果稀疏张量st的排序错误，可以通过调用tf.sparse.reorder(st)得到一个固定的版本。

示例：稀疏张量

SparseTensor(indices=[[0, 0], [1, 2]], values=[1, 2], dense_shape=[3, 4])

表示稠密张量

[[1, 0, 0, 0]
 [0, 0, 2, 0]
 [0, 0, 0, 0]]