具有动态设置dense_shape的TensorFlow SparseTensor

Question

我之前曾问过这个问题Create boolean mask on TensorFlow，关于如何仅将某些索引设置为 1，而将其余索引设置为 0 的张量。

我认为@MZHm 给出的答案将完全解决我的问题。虽然，tf.SparseTensor 的参数 dense_shape 只接受列表，但我想传递从图中推断出的形状（从另一个具有可变形状的张量的形状）。所以在我的具体情况下，我想做这样的事情：

# The tensor from which the shape of the sparse tensor is to be inferred
reference_t = tf.zeros([32, 50, 11])

# The indices that will be 1
indices = [[0, 0],
           [3, 0],
           [5, 0],
           [6, 0]]

# Just setting all the values for the sparse tensor to be 1
values = tf.ones([reference_t.shape[-1]])

# The 2d shape I want the sparse tensor to have
sparse_2d_shape = [reference_t.shape[-2],
                   reference_t.shape[-1]]

st = tf.SparseTensor(indices, values, sparse_2d_shape)

从这里我得到错误：

TypeError：预期为 int64，得到 Dimension(50) 类型为“Dimension” 而是。

如何动态设置稀疏张量的形状？有没有更好的选择来实现我的目标？

Answer 1

您可以执行以下操作来获得动态形状：

import tensorflow as tf 
import numpy as np

indices = tf.constant([[0, 0],[1, 1]], dtype=tf.int64)
values = tf.constant([1, 1])
dynamic_input = tf.placeholder(tf.float32, shape=[None, None])
s = tf.shape(dynamic_input, out_type=tf.int64)

st = tf.SparseTensor(indices, values, s)
st_ordered = tf.sparse_reorder(st)
result = tf.sparse_tensor_to_dense(st_ordered)

sess = tf.Session()

具有（动态）形状的输入[5, 3]：

sess.run(result, feed_dict={dynamic_input: np.zeros([5, 3])})

将输出：

array([[1, 0, 0],
       [0, 1, 0],
       [0, 0, 0],
       [0, 0, 0],
       [0, 0, 0]], dtype=int32)

具有（动态）形状的输入[3, 3]：

sess.run(result, feed_dict={dynamic_input: np.zeros([3, 3])})

将输出：

array([[1, 0, 0],
       [0, 1, 0],
       [0, 0, 0]], dtype=int32)

所以你去...动态稀疏形状。