Question

我有一个稀疏的张量，我从一系列指数和价值观中积累起来。我试图实现一些代码来获取完整的行切片。虽然TensorFlow似乎没有直接支持此功能，但似乎有一些解决办法可以返回指定行的索引和值，如下所示：

def sparse_slice(self, indices, values, needed_row_ids):
    needed_row_ids = tf.reshape(needed_row_ids, [1, -1])
    num_rows = tf.shape(indices)[0]
    partitions = tf.cast(tf.reduce_any(tf.equal(tf.reshape(indices[:, 0], [-1, 1]), needed_row_ids), 1),
                         tf.int32)
    rows_to_gather = tf.dynamic_partition(tf.range(num_rows), partitions, 2)[1]
    slice_indices = tf.gather(indices, rows_to_gather)
    slice_values = tf.gather(values, rows_to_gather)
    return slice_indices, slice_values

然后直接调用稀疏4x4矩阵，我有兴趣访问第3行中的所有元素：

      with tf.Session().as_default():
                indices = tf.constant([[0, 0], [1, 0], [2, 0], [2, 1], [3, 0], [3, 3]])
                values = tf.constant([10, 19, 1, 1, 6, 5], dtype=tf.int64)

                needed_row_ids = tf.constant([3])
                slice_indices, slice_values = self.sparse_slice(indices, values, needed_row_ids)

                  print('indicies: {} and rows: {}'.format(slice_indices.eval(), slice_values.eval()))

其中输出以下内容：

indicies: [[3 0]
 [3 3]] and rows: [6 5]

到目前为止一切顺利，我想我可以使用这些信息构建一个 1x4密集张量，索引值为0，缺失列为0。

  dense_representation = tf.sparse_to_dense(sparse_values=slice_values, sparse_indices=slice_indices,
                                                   output_shape=(1,4))

然而，我在会话中运行张量的那一刻。

sess = tf.Session()
sess.run(dense_representation)

我收到以下例外：

InvalidArgumentError (see above for traceback): indices[0] = [3,0] is out of bounds: need 0 <= index < [1,4]
     [[Node: SparseToDense = SparseToDense[T=DT_INT64, Tindices=DT_INT32, validate_indices=true, _device="/job:localhost/replica:0/task:0/cpu:0"](Gather_2, SparseToDense/output_shape, Gather_3, SparseToDense/default_value)]]

我不太确定我做错了什么，或者这与output_shape没有正确形成有什么关系。基本上我想把这一切都装回1 x 4矢量。我还没有在网上找到任何好的例子来说明如何做到这一点。任何帮助，将不胜感激。

InvalidArgumentError TensorFlow sparse_to_dense

0 个答案: