tensorflow2.0中将稀疏矩阵转为稠密矩阵

已于 2022-02-24 17:55:01 修改
阅读量719 收藏
点赞数 1
分类专栏： python相关 深度学习 文章标签： 矩阵 tensorflow 深度学习 python
于 2022-02-24 17:54:15 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45073095/article/details/123117308
版权

tensorflow中将稀疏矩阵转为稠密矩阵的操作

--------------tensorflow2.0下操作
首先看一下官方文档中的描述
tf.sparse.to_dense(
sp_input, default_value=None, validate_indices=True, name=None
)

参数详解

实例展示一下
1.对稀疏矩阵进行输出(graph是一个稀疏矩阵)

稀疏矩阵输出

2.将稀疏矩阵转换为稠密矩阵进行输出

稠密矩阵输出

爱啊岛呀~
关注
专栏目录
tensorflow稠密矩阵转稀疏
那什
03-20 1511
def to_sparse_input_and_drop_ignore_values(input_tensor, ignore_value=None): """Converts a `Tensor` to a `SparseTensor`, dropping ignore_value cells. If `input_tensor` is already a `SparseTe...
【Scala-spark.mlib】稠密矩阵和稀疏矩阵的创建及操作
Jimmyshis
04-07 2241
mlib中的稠密矩阵和稀疏矩阵1.矩阵 1.1. mlib中的矩阵特质（Matrix） 1.1. Matrix定义的基本方法2. 稠密矩阵 1.1. mlib中的稠密矩阵（DenseMatrix）  1.1.1. Matrices类中的稠密矩阵构造 1.2. DenseMatrix相关方法  1.2.1. 构造方法  1.2.2. 成员方法3. 稀疏矩阵 2.1. mlib中的稀疏矩阵（Spars...
稀疏矩阵转稠密矩阵
weixin_34310127的博客
01-18 2547
　　一个模型文件要上线的话，一定会力求精简，而稀疏矩阵由于其庞大的内存占用，而会首当其中被改写，所幸修改的逻辑不是很复杂，下面简要介绍下修改逻辑。 一、三元组 　　三元组是最直观且最省力的做法，只需要修改存储的结构即可。 　　三元组的结构就是<row,col,value> 二、压缩存储 　　1.compressed sparse row(CSR) ...
稀疏矩阵转为稠密矩阵
炫云云
05-04 1376
https://blog.csdn.net/u013010889/article/details/53305595
python知识：稀疏矩阵转换成密度矩阵
gongdiwudu的专栏
02-10 7738
一、scipy.sparse.coo_matrix是关于稀疏矩阵的类 classscipy.sparse.coo_matrix(arg1,shape=None,dtype=None,copy=False)[source] A sparse matrix in COOrdinate format. Also known as the ‘ijv’ or ‘triplet’ format. This can be instantiated in several ways: coo_matrix(D...
Scipy.sparse矩阵的存储，读取和转化为稠密矩阵
weixin_34116110的博客
08-09 525
import numpy as np import scipy.sparse as sp m = sp.lil_matrix((7329,7329)) np.save(path,m) #用numpy的load方法存储矩阵，path为存储的路径 mat = np.load(path)[()] #读取存储的矩阵，注意[()]这个符号可以抽取对象 mat = mat...
2.4.4 TensorFlow 稀疏矩阵(sparse matrix ) 和 稠密矩阵矩阵(dense matrix )
weixin_37804469的博客
12-16 6659
稀疏矩阵(sparse matrix ) 和 稠密矩阵矩阵(dense matrix ) 在矩阵中，若数值为0的元素数目远远多于非0元素的数目时，则称该矩阵为稀疏矩阵。与之相反，若非0元素数目占大多数时，则称该矩阵为稠密矩阵。 ...
一文看懂大数据矩阵运算利器-Spark Distributed Matrix
PUSHIAI的博客
11-01 1322
如今是大数据的时代，数据呈指数型增长，那么如何利用这些数据？离不开大数据计算，今天小普给大家介绍的是：Spark的分布式计算框架，它能很好地适配大数据场景下的计算任务。 【相似度计算】是金融领域或商品推荐等领域的常见需求，如果需要计算M个用户两两之间的相似度情况，若用户特征个数为N。 如果采用循环遍历的计算方式，我们需要计算M*(M-1)次才能得到两两用户之间的相似度情况。 而如果我们采用矩阵计算的方式，只需构造一个M*N维的矩阵A， 做一些简单的矩阵运算： 运算的结果矩阵元素的下标，就对应这
基于分支矩阵的计算机生成树 (1994年)
06-12
不同于其他方法，分支矩阵方法能够通过规定数值参数，更准确地估计和控制树的基本形态，如树形的稀疏或稠密程度等。这种分离形态和生长过程的策略，使得生成的树形更加逼真。此外，分支矩阵中的每一元素都确切体现了...
《西瓜书》笔记11：特征选择与稀疏表示（三）
鸟恋旧林的博客
08-14 1568
5. 稀疏表示与字典学习将数据集D表示为矩阵，每一行对应一个样本，每列对应于一种特征。特征选择所考虑的问题是特征具有稀疏性：即矩阵中的许多列与当前学习无关，通过特征选择去掉这些列，难度有所降低，计算开销减小，模型的可解释性提高。 模型的输入因素减少了，模型建立的输入输出关系会更清晰。 现在看另一种“稀疏性”：D对应的矩阵存在很多零元素，杂乱分布，而非整行整列的形式。比如文档分类中，每行是一个文档
积跬步至千里 || 基于近邻点索引的稀疏矩阵到稠密矩阵转换
最新发布
weixin_40234309的博客
12-14 392
在代码编写过程中,我们经常遇到这种情况, 已经获取了每个点的近邻点和近邻关系, 下一步就是转换成稠密矩阵进行后续计算. 在这一过程中,我们通常会使用两层 for 循环来完成, 而对于 matlab 或者 python 会变得非常低效, 于是我们可以利用矩阵计算的方式避免出现 for 循环, 从而达到高效的代码实现.
[数组]合并两个有序数组[快手，美团点评考过]
ltcz99的博客
10-30 404
题目：给出两个有序的整数数组 A和 B，请将数组 B合并到数组 A中，变成一个有序的数组 注意： 可以假设 A数组有足够的空间存放 B数组的元素， A和 B中初始的元素数目分别为 m和 n 解答：1.首先A足够大可以容纳B中的元素，所以我们不可以从前向后比较A，B的元素，因为这可能会破坏A原本的数组结构，例如：A{2,4,5,6,7},B{1,4,8,9}从前向后比较时：比较A和B数组中的第一个元素1<2,就会把A中的2替换成1，所以这样是不可取的的，因为两个数组都是有序排列的，我们可以从后往前比较
【TensorFlow】tf.sparse_to_dense的用法
xf__mao的博客
11-27 3万+
TensorFlow是一个很坑的东西，在没有session运行的时候，所有数据都看不到结果，很难去print 而且TF还没有中文的API手册，很多东西很难体会 在这里记录一下比较难理解的几个方法的用法，以便后面用到 tf.sparse_to_dense(sparse_indices, output_shape, sparse_values, default_value, name=N
tensorflow sparse_to_dense
qq_20849045的博客
05-12 454
神坑，今天调了好久，格式是： tf.sparse_to_dense(sparse_indices=index,output_shape=[N,N],sparse_values=values) 起来没问题，但是有个隐藏的坑：要求index必须是升序，乱序不行。values可以是一个scalar，也可以是一个tensor。 例子： tf.sparse_to_dense(sparse_indices=[[1,2],[1,3],[2,2]],output_shape=[4,4],sparse_values=
Tensorflow－tf.sparse_to_dense()
ZerinHwang
01-09 1161
对tf.sparse_to_dense()的参数concated的理解： batch_size = tf.size(labels) labels = tf.expand_dims(labels, 1) indices = tf.expand_dims(tf.range(0, batch_size, 1), 1) concated = tf.concat([indices, labels],...
Julia 稀疏矩阵转稠密矩阵
米饭的白色的专栏
10-21 1818
julia&amp;gt; using LinearAlgebra julia&amp;gt; @which I LinearAlgebra julia&amp;gt; S = spdiagm(-1 =&amp;gt; -ones(coarseNinter), 1 =&amp;gt; -ones(coarseNinter)) + sparse(2I, coarseNinter+1, coarseNinter+1) 3×3 Spars...
SparseInstance和Instance的相互转换-稀疏矩阵与矩阵的相互转换
xwq的博客
11-06 836
当一个数据集中很多instance中的很多属性值是0时，这个数据集就会以稀疏矩阵的形式存储。这个过程主要是通过将Instance转换为SparseInstance实现的，SparseInstance是Instance的子类。 对于一个值为{0,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,2,0,0}的instance，其对应的SparseInstance为{9 1, 18 ...
SciPy教程 - 稀疏矩阵库scipy.sparse
热门推荐
皮皮blog
12-06 8万+
http://blog.csdn.net/pipisorry/article/details/41762945 sparse模块的官方document：http://docs.scipy.org/doc/scipy/reference/sparse.html 一、sparse matrix稀疏矩阵不同的存储形式在sparse模块中对应如下 bsr_matrix(arg1[, sh
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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