Python tf.sparse.to_indicator用法及代码示例

将 SparseTensor 的 ids 转换为密集的布尔指标张量。

用法

tf.sparse.to_indicator(
    sp_input, vocab_size, name=None
)

sp_input.indices 的最后一个维度被丢弃并替换为 sp_input 的值。如果 sp_input.dense_shape = [D0, D1, ..., Dn, K] ，则 output.shape = [D0, D1, ..., Dn, vocab_size] ，其中

output[d_0, d_1, ..., d_n, sp_input[d_0, d_1, ..., d_n, k]] = True

和 False 在 output 的其他地方。

例如，如果 sp_input.dense_shape = [2, 3, 4] 具有非空值：

[0, 0, 0]:0
[0, 1, 0]:10
[1, 0, 3]:103
[1, 1, 1]:150
[1, 1, 2]:149
[1, 1, 3]:150
[1, 2, 1]:121

和 vocab_size = 200 ，那么输出将是一个 [2, 3, 200] 密集布尔张量，除了位置之外的所有地方都是 False

(0, 0, 0), (0, 1, 10), (1, 0, 103), (1, 1, 149), (1, 1, 150),
(1, 2, 121).

请注意，输入 SparseTensor 中允许重复。此操作可用于将 SparseTensor 转换为密集格式，以便与需要密集张量的操作兼容。

输入 SparseTensor 必须按行优先顺序。