如何从 TensorFlow 中的 SparseTensor 中选择一行？

Question

说，如果我有两个SparseTensors 如下：

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

和

[[1.0, 0, 0, 0],
 [1.0, 0, 0, 0],
 [0.3, 0.7, 0, 0]]

我想从中提取前两行。我需要非零条目的索引和值作为SparseTensors，以便我可以将结果传递给tf.nn.embedding_lookup_sparse。我该怎么做？

我的申请是： 我想使用词嵌入，这在 TensorFlow 中非常简单。但现在我想使用稀疏嵌入，即：对于常用词，它们有自己的嵌入。对于稀有词，它们的嵌入是常用词嵌入的稀疏线性组合。 所以我需要两本食谱来说明稀疏嵌入是如何组成的。在前面提到的例子中，食谱说：对于第一个词，它的嵌入由它自己的嵌入组成，权重为 1.0。第二个词的情况类似。对于最后一个词，它说：这个词的embedding是前两个词的embeddings的线性组合，对应的权重分别为0.3和0.7。 我需要提取一行，然后将索引和权重提供给tf.nn.embedding_lookup_sparse 以获得最终嵌入。如何在 TensorFlow 中做到这一点？

或者我需要解决它，即：预处理我的数据并处理来自 TensorFlow 的说明书？

Answer 1

我联系了一位更了解该领域的工程师，这是他传递的内容：

我不确定我们是否对此有一个有效的实现，但这里是一个使用 dynamic_partition 和收集操作的不太理想的实现。

def sparse_slice(indices, values, needed_row_ids):
   num_rows = tf.shape(indices)[0]
   partitions = tf.cast(tf.equal(indices[:,0], needed_row_ids), tf.int32)
   rows_to_gather = tf.dynamic_partition(tf.range(num_rows), partitions, 2)[1]
   slice_indices = tf.gather(indices, rows_to_gather)
   slice_values = tf.gather(values, rows_to_gather)
   return slice_indices, slice_values

with tf.Session().as_default():
  indices = tf.constant([[0,0], [1, 0], [2, 0], [2, 1]])
  values = tf.constant([1.0, 1.0, 0.3, 0.7], dtype=tf.float32)
  needed_row_ids = tf.constant([1])
  slice_indices, slice_values = sparse_slice(indices, values, needed_row_ids)
  print(slice_indices.eval(), slice_values.eval())

更新：

工程师也发送了一个示例来帮助处理多行，感谢您指出这一点！

def sparse_slice(indices, values, needed_row_ids):
  needed_row_ids = tf.reshape(needed_row_ids, [1, -1])
  num_rows = tf.shape(indices)[0]
  partitions = tf.cast(tf.reduce_any(tf.equal(tf.reshape(indices[:,0], [-1, 1]), needed_row_ids), 1), tf.int32)
  rows_to_gather = tf.dynamic_partition(tf.range(num_rows), partitions, 2)[1]
  slice_indices = tf.gather(indices, rows_to_gather)
  slice_values = tf.gather(values, rows_to_gather)
  return slice_indices, slice_values

with tf.Session().as_default():
  indices = tf.constant([[0,0], [1, 0], [2, 0], [2, 1]])
  values = tf.constant([1.0, 1.0, 0.3, 0.7], dtype=tf.float32)
  needed_row_ids = tf.constant([0, 2])

Answer 2

让sp 成为您的 2d SparseTensor 的名称。您可以先为您要提取的 SparseTensor 的行创建一个指标张量，即

mask = tf.concat([tf.constant([True, True]), tf.fill([sp.dense_shape[0] - 2],
    False)], axis=0)

接下来使用 tf.gather 将其传播到稀疏索引：

mask_sp = tf.gather(mask, sp.indices[:, 0])

最后，

values = tf.boolean_mask(sp.values, mask_sp)
indices = tf.boolean_mask(sp.indices, mask_sp)
dense_shape = [sp.dense_shape[0] - 2, sp.dense_shape[1]]
output_sp = tf.SparseTensor(indices=indices, values=values, dense_shape=dense_shape)

Answer 3

它不应该表现得更像这样吗：

此版本将保留 selected_indices 中索引的顺序和频率，因此，例如多次选择同一行：

import tensorflow as tf
tf.enable_eager_execution()

def sparse_gather(indices, values, selected_indices, axis=0):
    """
    indices: [[idx_ax0, idx_ax1, idx_ax2, ..., idx_axk], ... []]
    values:  [ value1,                                 , ..., valuen]
    """
    mask = tf.equal(indices[:, axis][tf.newaxis, :], selected_indices[:, tf.newaxis])
    to_select = tf.where(mask)[:, 1]
    return tf.gather(indices, to_select, axis=0), tf.gather(values, to_select, axis=0)


indices = tf.constant([[1, 0], [2, 0], [3, 0], [7, 0]])
values = tf.constant([1.0, 2.0, 3.0, 7.0], dtype=tf.float32)
needed_row_ids = tf.constant([7, 3, 2, 2, 3, 7])
slice_indices, slice_values = sparse_gather(indices, values, needed_row_ids)
print(slice_indices, slice_values)

Answer 4

我尝试了“Pete Warden”的答案，该答案仅适用于小数据。给定具有 m 个非零元素的稀疏张量 A，我们想取出 n 行。 tf.equal 将占用 m*n 空间，这在我的任务中是不可接受的。

我的建议是使用 Scipy.sparse 而不是 tensorflow。 详情：

1. 从 tf、索引和数据中取出所有数据，并形成一个 Scipy.sparse。使用酷
2. 如果您需要取出行，请使用 csr 甲酸盐。如果您需要取出 cols，请使用 csc
3. A[:,m]
4. 转换为酷
5. 转换为 tf