在Tensorflow2.x中,稀疏矩阵通过如下方法创建:
sp_matrix = tf.SparseTensor(indices,values,shape)
稀疏矩阵的多数相关操作在tf.sparse模块下,其中有一个稀疏矩阵乘法:
res_matrix = tf.sparse.sparse_dense_matmul(a,b)
其中a必须是SparseTensor表示的稀疏矩阵,b必须是密集矩阵,比如Tensor。
在tensorflow目前提供的稳定API中并没有两个稀疏矩阵相乘的实现函数,但是不是那么稳定的版本实际上是存在的,在tensorflow的python下有一个试验性稀疏矩阵模块,可以通过如下方法调用:
import tensorflow_core.python.ops.linalg.sparse.sparse as tfs
# 如果提示没有tensorflow_core模块,则通过下面的方式引入
# import tensorflow.python.ops.linalg.sparse.sparse as tfs
在其中有一个稀疏矩阵乘法tfs.matmul,可以将两个稀疏矩阵相乘,但是要求两个矩阵必须是SparseMatrix类型,SparseTensor类型是不行的。在这个模块下,还提供了一个CSRSparseMatrix类,继承于SparseMatrix类,且可以通过SparseTensor直接创建,所以完整的代码如下:
import tensorflow as tf
import tensorflow_core.python.ops.linalg.sparse.sparse as tfs
# 如果提示没有tensorflow_core模块,则通过下面的方式引入
# import tensorflow.python.ops.linalg.sparse.sparse as tfs
indices = [[0,1],[1,1],[2,2]]
values = [1. for _ in indices]
# 创建稀疏矩阵
sp_a = tf.SparseTensor(indices,values,[3,3])
sp_b = tf.SparseTensor(indices,values,[3,3])
# 转化为csr稀疏矩阵
csp_a = tfs.CSRSparseMatrix(sp_a)
csp_b = tfs.CSRSparseMatrix(sp_b)
# 稀疏矩阵乘法
res_matrix = tfs.matmul(csp_a,csp_b)
注1:res_matrix是CSRSparseMatrix类型,可以通过res_matrix.to_sparse_tensor()转为SparseTensor
注2:随着稀疏矩阵密集程度的提高,稀疏矩阵运算的速度会下降,有时候会比dense矩阵相乘还要慢。