初始化张量

Question

tf_coo = tf.SparseTensor(indices=np.array([[0, 0, 0, 1, 1, 2, 3, 9],
                                            [1, 4, 9, 9, 9, 9, 9, 9]]).T,
                        values=[1, 2, 3, 5,1,1,1,1],
                        shape=[10, 10])

我收到错误消息

InvalidArgumentError (see above for traceback): indices[4] = [1,9] is repeated
     [[Node: SparseToDense = SparseToDense[T=DT_INT32, Tindices=DT_INT64, validate_indices=true, _device="/job:localhost/replica:0/task:0/cpu:0"](SparseTensor/indices, SparseToDense/output_shape, SparseTensor/values, SparseToDense/default_value)]] 

难道不能只为它们构造两个索引和值列表吗？我之前使用过 coo_matrix ，它很好地解决了这个问题。有什么帮助吗？

编辑： 我通过创建一个使用函数 sort_indices() 的 csr_matrix 来解决它，然后将其转换为 coo_matrix。从那里我只创建一个 SparseTensor

 tf.SparseTensor(indices= (coo_martix.row, coo_martix.col), values= coo_matrix.data, dense_shape=coo_martix.shape)

Answer 1

只需删除indices中重复的[1,9]即可：

from __future__ import print_function
import tensorflow as tf
import numpy as np
tf_coo = tf.SparseTensor(indices=np.array([[0, 0, 0, 1, 2, 3, 9],
                                            [1, 4, 9, 9, 9, 9, 9]]).T,
                        values=[1, 2, 3, 1,1,1,1],
                        dense_shape=[10, 10])

print('tf_coo: {0}'.format(tf_coo))
print('tf_coo.get_shape(): {0}'.format(tf_coo.get_shape()))