tf.compat.v1.sparse_to_dense

最新推荐文章于 2022-09-12 15:40:01 发布

github_元宝

最新推荐文章于 2022-09-12 15:40:01 发布

阅读量241

点赞数

分类专栏： tf 文章标签： python 深度学习

本文链接：https://blog.csdn.net/github_39605284/article/details/117196234

版权

tf 专栏收录该内容

40 篇文章 0 订阅

订阅专栏

函数原型：

tf.sparse_to_dense(
	sparse_indices, 
	output_shape, 
	sparse_values, 
	default_value, 
	name=None)
除去name参数用以指定该操作的name，与方法有关的一共四个参数 ：
第一个参数sparse_indices：稀疏矩阵中那些个别元素对应的索引值。

     有三种情况：

     sparse_indices是个数，那么它只能指定一维矩阵的某一个元素
     sparse_indices是个向量，那么它可以指定一维矩阵的多个元素
     sparse_indices是个矩阵，那么它可以指定二维矩阵的多个元素

第二个参数output_shape：输出的稀疏矩阵的shape
第三个参数sparse_values：个别元素的值。

     分为两种情况：
     sparse_values是个数：所有索引指定的位置都用这个数
     sparse_values是个向量：输出矩阵的某一行向量里某一行对应的数（所以这里向量的长度应该和输出矩阵的行数对应，不然报错）
第四个参数default_value：未指定元素的默认值，一般如果是稀疏矩阵的话就是0了

常见用法：将output_shape定义为稀疏矩阵的维度

import tensorflow as tf

multi_one_hot = tf.sparse.SparseTensor(indices=[[0, 0], [0, 1], [2, 0],
                                                [4, 0], [4, 1], [4, 2],
                                                [4, 3]],
                                       values=[30, 60, 15, 98, 9, 16, 15],
                                       dense_shape=[5, 4])

one_hot = tf.constant([30, 20, 50, 65, 0])
inputs = [one_hot, multi_one_hot]

dense_multi = tf.compat.v1.sparse_to_dense(sparse_indices=inputs[1].indices,
                                                       output_shape=inputs[1].dense_shape,
                                                       sparse_values=inputs[1].values)

print("dense_multi:",dense_multi)

在这里插入图片描述
常见用法2：最后一维设置最大长度，使用padding的方式

import tensorflow as tf

multi_one_hot = tf.sparse.SparseTensor(indices=[[0, 0], [0, 1], [2, 0],
                                                [4, 0], [4, 1], [4, 2],
                                                [4, 3]],
                                       values=[30, 60, 15, 98, 9, 16, 15],
                                       dense_shape=[5, 4])

one_hot = tf.constant([30, 20, 50, 65, 0])
inputs = [one_hot, multi_one_hot]
dense_multi = tf.compat.v1.sparse_to_dense(sparse_indices=inputs[1].indices,
                                                       output_shape=[inputs[1].dense_shape[0], 10],
                                                       sparse_values=inputs[1].values)

print("dense_multi:",dense_multi)