如何利用张量流中的稀疏张量进行计算？

Question

我想以批处理的方式从TensorFlow的DNC实现中实现这个公式。在

对于批稠密张量，这是非常直接的。在

# w [B, N], p [B, N], L [B, N, N], B=batch_size
dot_prod = tf.batch_matmul(tf.expand_dims(w, axis=2), tf.expand_dims(p, axis=1))
one_prod = 1 - tf.expand_dims(w, 1) - tf.expand_dims(w, 2) 
L =  one_prod * pre_L + dot_prod

有没有办法用稀疏张量来实现这一点？w，p和L是稀疏的，而TensorFlow缺乏稀疏批处理矩阵和稀疏索引。在

Answer 1

试着转换成一个密集的张量：

tf.sparse_to_dense( sparse_indices, output_shape, sparse_values, default_value=0, validate_indices=True, name=None )

使用示例： mat = tf.sparse_to_dense(inds, [n, class_size], vals)

请参阅此处的文档：https://www.tensorflow.org/api_docs/python/tf/sparse_to_dense