Question

当A是tf.SparseTensor而b是tf.Variable时，如何在tensorflow中实现以下内容？

A = np.arange(5**2).reshape((5,5))
b = np.array([1.0, 2.0, 0.0, 0.0, 1.0])
C = A * b

如果我尝试相同的表示法，我会得到InvalidArgumentError：提供的索引超出了w.r.t.密集的一面，有广播的形状。

Answer 1

*也适用于 SparseTensor ，您的问题似乎与 SparseTensor 本身有关，您可能提供的指标不在你给它的形状范围，考虑这个例子：

A_t = tf.SparseTensor(indices=[[0,6],[4,4]], values=[3.2,5.1], dense_shape=(5,5))

请注意，列索引6大于指定的形状，该列应具有最大5列，这会产生与您所显示的相同的错误：

b = np.array([1.0, 2.0, 0.0, 0.0, 1.0])

B_t = tf.Variable(b, dtype=tf.float32)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(A_t * B_t))

InvalidArgumentError（参见上面的回溯）：提供的索引是越界w.r.t.密集的一面，有广播的形状

这是一个有效的例子：

A_t = tf.SparseTensor(indices=[[0,3],[4,4]], values=[3.2,5.1], dense_shape=(5,5)) 

b = np.array([1.0, 2.0, 0.0, 0.0, 1.0])
B_t = tf.Variable(b, dtype=tf.float32)


with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(A_t * B_t))
# SparseTensorValue(indices=array([[0, 3],
#        [4, 4]], dtype=int64), values=array([ 0.       ,  5.0999999], dtype=float32), dense_shape=array([5, 5], dtype=int64))

SparseTensor * Vector

1 个答案: