输出tf.SparseTensorValue值-----使用稀疏的离散特征提高内存利用率

在做推荐算法,采用FM模型时采用tf.sparse_placeholder函数,会比较省内存

一、tf.sparse_placeholder与tf.SparseTensorValue

1.tf.sparse_placeholder支持mutil one

2.tf.tf.SparseTensorValue函数

三个需要设置的参数:

1)indices:指定哪些位置上有值,其他位置为默认值(可自己设置,一般为0)

此处有坑:index的值必须是有序的,否则会报错提示维度不匹配

不能为:[[0, 4], [0, 0], [1, 9]],或者 [[0, 0], [1, 9],[0, 4]],

eg :np.array([[0, 0], [0, 4], [1, 9]], dtype=np.int64) 表示稀疏矩阵第一行第一列、第一行第四列、第二行第九列有值
2)values :指定值以及类型,

eg: np.array([1, 1, 1, 1], dtype=np.int64)代表indices指定位置的值为1
3)shape :系数矩阵的维度

eg: np.array([9, 12], dtype=np.int64),生成一个9行12列的矩阵

二、tf.sparse_tensor_to_dense函数可以打印出SparseTensorValue的具体值

代码示例及结果:

import tensorflow as tf
import numpy as np

x = tf.sparse_placeholder(tf.float32)
# y = tf.sparse_reduce_sum(x)

with tf.Session() as sess:
    indices = np.array([[0, 0], [0, 4], [1, 9], [2, 5]], dtype=np.int64)
    values = np.array([1, 1, 1, 1], dtype=np.int64)
    shape = np.array([9, 12], dtype=np.int64)
    sp_ten = sess.run(x, feed_dict={x: tf.SparseTensorValue(indices, values, shape)})
    print('未转化为dense:', sp_ten)  # 打印不出具体的矩阵

    tensor_value = tf.sparse_tensor_to_dense(sp_ten)
    print('tessor:\n', sess.run(tensor_value))

 

  • 4
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值