Python tf.sparse.SparseTensor用法及代碼示例

表示稀疏張量。

用法

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

TensorFlow 將稀疏張量表示為三個獨立的密集張量：indices , values 和 dense_shape。在 Python 中，三個張量被收集到一個SparseTensor 類中以便於使用。如果您有單獨的 indices , values 和 dense_shape 張量，請將它們包裝在 SparseTensor 對象中，然後再傳遞給下麵的操作。

具體來說，稀疏張量 SparseTensor(indices, values, dense_shape) 包含以下組件，其中 N 和 ndims 分別是 SparseTensor 中的值數和維數：

• indices ：形狀為 [N, ndims] 的二維 int64 張量，它指定稀疏張量中包含非零值的元素的索引(元素為 zero-indexed)。例如，indices=[[1,3], [2,4]] 指定索引為 [1,3] 和 [2,4] 的元素具有非零值。

• values ：任何類型和形狀的一維張量 [N] ，它為 indices 中的每個元素提供值。例如，給定 indices=[[1,3], [2,4]] ，參數 values=[18, 3.6] 指定稀疏張量的元素 [1,3] 的值為 18，張量的元素 [2,4] 的值為 3.6。

• dense_shape ：形狀為 [ndims] 的一維 int64 張量，它指定稀疏張量的 dense_shape。獲取一個列表，指示每個維度中的元素數量。例如，dense_shape=[3,6] 指定二維 3x6 張量，dense_shape=[2,3,4] 指定三維 2x3x4 張量，dense_shape=[9] 指定具有 9 個元素的一維張量。

對應的稠密張量滿足：

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

按照慣例，indices 應該按行優先順序(或等效的元組 indices[i] 上的字典順序)排序。在構造 SparseTensor 對象時不會強製執行此操作，但大多數操作都假定正確排序。如果稀疏張量st的排序錯誤，可以通過調用tf.sparse.reorder(st)得到一個固定的版本。

示例：稀疏張量

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

表示稠密張量

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