我有一个形状为[20k，20k]的非常大的稀疏张量input_a和一个形状为[20k，512]的密集张量input_b。 nnz（input_a）约为400k（input_a中有400k非零值）。我想将这两个张量相乘，以获得形状为[20k，512]的输出张量output。如果我使用tf.sparse_tensor_dense_matmul将input_a和input_b相乘，将出现错误：（使用tensorflow版本v1.8）
output.shape [1] * nnz（a）> 2 ^ 31“
时无法使用GPU
如果output.shape [1]为20k，这可能是有道理的，因为20k * 400k = 8000000000> 2 ^ 31 =2147483648。但是，我认为在这种情况下output.shape [1]应该为512？
我的代码：
input_a：形状[20k，20k]
input_b：形状[20k，512]
output：形状[20k，512]
output = tf.sparse_tensor_dense_matmul(input_a, input_b)
然后我会收到错误消息。
如果我将input_a转换为密集的张量，然后使用tf.matmul，它可以工作，但是可能会占用大量内存和时间吗？
dense_input_a = tf.sparse_tensor_to_dense(dense_input_a)
output = tf.matmul(dense_input_a, input_b, a_is_sparse = True)
为什么会发生错误？如何有效地将这两个张量相乘？谢谢！