有没有人尝试过使用稀疏张量进行文本分析并成功使用TensorFlow？一切准备就绪，我设法在.wrapper {
height: 100%;
right: 0%;
overflow: hidden;
position: absolute;
top: 0;
width: 100%;
}
中为{0}提供numpy数组的Softmax图层，但是我无法使用SparseTensorValues提供字典。
我没有找到关于使用稀疏矩阵来训练模型（例如softmax）和Tensor Flow的文档，这很奇怪，因为类feed_dict和tf.Session或SparseTensor方法已准备就绪，但没有关于如何在SparseTensorValues方法中提供TensorFlow.sparse_to_dense值词典的文档。
非常感谢，
答案 0 :(得分：2)
我找到了一种将稀疏图像放入tensorflow的方法，包括批处理，如果有任何帮助的话。
我在字典中创建一个4维稀疏矩阵，其中维度为batchSize，xLen，ylen，zLen（例如，zLen为3时为颜色）。以下伪代码用于批量为50个32x96像素的3色图像。值是每个像素的强度。在下面的代码段中，我展示了第一批初始化的前2个像素......
shape = [50, 32, 96, 3]
indices = [[0, 20, 31, 0],[0, 22, 33, 1], etc...]
values = [12, 24, etc...]
batch = {"indices": indices, "values": values, "shape": shape}
在设置计算图时，我创建了一个正确维度的稀疏占位符
images = tf.sparse_placeholder(tf.float32, shape=[None, 32, 96, 3])
'无'用于改变批量大小。
当我第一次想要使用图像时，例如为了进入批量卷积，我将它们转换回密集张量：
images = tf.sparse_tensor_to_dense(batch)
然后，当我准备好运行会话时，例如为了进行培训，我将批处理的3个组件传递到字典中，以便sparse_placeholder选择它们：
train_dict = {images: (batch['indices'], batch['values'], batch['shape']), etc...}
sess.run(train_step, feed_dict=train_dict)
如果您不需要进行批处理，只需省略第一个维度并从占位符形状中删除“无”。
我找不到任何方法将图像作为稀疏矩阵数组批量传递。它只有在我创建第四维时才有效。我很想知道其他选择。
虽然这并没有给出你问题的确切答案，但我希望它有用，因为我一直在努力解决类似的问题。