SparseTensor 稀疏张量

参考：https://www.w3cschool.cn/tensorflow_python/tensorflow_python-le4w2kjm.html

SparseTensor：稀疏张量

之前一直不知道张量说的是什么，查了才知道原来就是说的Tensor，一般一维的张量表示为向量，二维的张量表示为矩阵

稀疏张量SparseTensor(indices, values, dense_shape)包括以下组件，其中N和ndims分别是在SparseTensor中的值的数目和维度的数量：

• indices：density_shape[N, ndims]的2-D int64张量，指定稀疏张量中包含非零值（元素为零索引）的元素的索引。例如，indices=[[1,3], [2,4]]指定索引为[1,3]和[2,4]的元素具有非零值。
• values：任何类型和dense_shape [N]的一维张量，它提供了indices中的每个元素的值。例如，给定indices=[[1,3], [2,4]]的参数values=[18, 3.6]指定稀疏张量的元素[1,3]的值为18，张量的元素[2,4]的值为3.6。
• dense_shape：density_shape[ndims]的一个1-D int64张量，指定稀疏张量的dense_shape。获取一个列表，指出每个维度中元素的数量。例如，dense_shape=[3,6]指定二维3x6张量，dense_shape=[2,3,4]指定三维2x3x4张量，并且dense_shape=[9]指定具有9个元素的一维张量。

例如：稀疏张量表示：

SparseTensor(indices=[[0, 0], [1, 2]], values=[1, 2], dense_shape=[3, 4])

表示稠密张量：

[[1, 0, 0, 0]
 [0, 0, 2, 0]
 [0, 0, 0, 0]]