TensorFlow之sparse tensor

媒介

sparse tensor 希罕tensor, tensor中大部门元素是0, 少部门元素黑白0.
创建sparse tensor

1. import tensorflow as tf
3. # indices指示正常值的索引, 即哪些索引位置上是正常值.
4. # values表示这些正常值是多少.
5. # indices和values是一一对应的. [0, 1]表示第0行第1列的值是1, [1,0]表示第一行第0列的值是2, [2, 3]表示第2行第3列的值是3, 以此类推.
6. # dense_shape表示这个SparseTensor的shape是多少
7. s = tf.SparseTensor(indices = [[0, 1], [1, 0], [2, 3]],
8.                     values = [1., 2., 3.],
9.                     dense_shape = [3, 4])
10. print(s)
11. # 把sparse tensor转化为稠密矩阵
12. print(tf.sparse.to_dense(s))

复制代码

结果如下：

1. SparseTensor(indices=tf.Tensor(
2. [[0 1]
3. [1 0]
4. [2 3]], shape=(3, 2), dtype=int64), values=tf.Tensor([1. 2. 3.], shape=(3,), dtype=float32), dense_shape=tf.Tensor([3 4], shape=(2,), dtype=int64))
5. tf.Tensor(
6. [[0. 1. 0. 0.]
7. [2. 0. 0. 0.]
8. [0. 0. 0. 3.]], shape=(3, 4), dtype=float32)

复制代码

sparse tensor的运算:

2. import tensorflow as tf
4. # indices指示正常值的索引, 即哪些索引位置上是正常值.
5. # values表示这些正常值是多少.
6. # indices和values是一一对应的. [0, 1]表示第0行第1列的值是1, [1,0]表示第一行第0列的值是2, [2, 3]表示第2行第3列的值是3, 以此类推.
7. # dense_shape表示这个SparseTensor的shape是多少
8. s = tf.SparseTensor(indices = [[0, 1], [1, 0], [2, 3]],
9.                     values = [1., 2., 3.],
10.                     dense_shape = [3, 4])
11. print(s)
13. # 乘法
14. s2 = s * 2.0
15. print(s2)
17. try:
18.     # 加法不支持.
19.     s3 = s + 1
20. except TypeError as ex:
21.     print(ex)
23. s4 = tf.constant([[10., 20.],
24.                   [30., 40.],
25.                   [50., 60.],
26.                   [70., 80.]])
27. # 得到一个3 * 2 的矩阵
28. print(tf.sparse.sparse_dense_matmul(s, s4))

复制代码

结果如下：

1. SparseTensor(indices=tf.Tensor(
2. [[0 1]
3. [1 0]
4. [2 3]], shape=(3, 2), dtype=int64), values=tf.Tensor([1. 2. 3.], shape=(3,), dtype=float32), dense_shape=tf.Tensor([3 4], shape=(2,), dtype=int64))
5. SparseTensor(indices=tf.Tensor(
6. [[0 1]
7. [1 0]
8. [2 3]], shape=(3, 2), dtype=int64), values=tf.Tensor([2. 4. 6.], shape=(3,), dtype=float32), dense_shape=tf.Tensor([3 4], shape=(2,), dtype=int64))
9. unsupported operand type(s) for +: 'SparseTensor' and 'int'
10. tf.Tensor(
11. [[ 30.  40.]
12. [ 20.  40.]
13. [210. 240.]], shape=(3, 2), dtype=float32)

复制代码

注意在定义sparse tensor的时候 indices必须是排好序的. 假如不是,定义的时候不会报错, 但是在to_dense的时候会报错:

1. import tensorflow as tf
4. s5 = tf.SparseTensor(indices = [[0, 2], [0, 1], [2, 3]],
5.                     values = [1., 2., 3.],
6.                     dense_shape = [3, 4])
7. print(s5)
8. #print(tf.sparse.to_dense(s5)) #报错：indices[1] = [0,1] is out of order. Many sparse ops require sorted indices.
9. # 可以通过reorder对排序, 这样to_dense就没问题了.
10. s6 = tf.sparse.reorder(s5)
11. print(tf.sparse.to_dense(s6))

复制代码

结果如下：

1. SparseTensor(indices=tf.Tensor(
2. [[0 2]
3. [0 1]
4. [2 3]], shape=(3, 2), dtype=int64), values=tf.Tensor([1. 2. 3.], shape=(3,), dtype=float32), dense_shape=tf.Tensor([3 4], shape=(2,), dtype=int64))
5. tf.Tensor(
6. [[0. 2. 1. 0.]
7. [0. 0. 0. 0.]
8. [0. 0. 0. 3.]], shape=(3, 4), dtype=float32)

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

继续阅读请点击广告