创建tf.constant给定的索引和值

Question

我想改善当前代码，以提高GPU上的执行性能，所以我将替换它不支持的操作，以避免将它们委托给CPU。

此操作之一是tf.sparse_to_dense。因此，是否有某种方法可以根据其索引和值创建张量（常量），就像它是稀疏张量一样？

我通过一些变通方法使其工作，例如使用numpy获取数组，然后使用tensor = tf.constant(numpyarray)创建它，但我一直在寻找“仅Tensorflow”方法。

Answer 1

tf.constant当前不支持坐标格式的实例化（索引和值），因此numpy / scipy变通方法实际上不是一个坏方法：

import scipy.sparse as sps

A = sps.coo_matrix((values, (indices[0,:], indices[1,:])), shape=your_shape)
tensor_A = tf.constant(A.to_dense())

如果可以选择使用不可训练的tf.Variable（有关与tf.constant的区别，请参见here），则可以使用tf.sparse_to_dense

tensor_A = tf.Variable( \
              tf.sparse_to_dense(indices, your_shape, values), \
              trainable=False \
           )