tf.SparseTensor 函数
SparseTensor 类
定义在：tensorflow/python/framework/sparse_tensor.py.
参见指南：稀疏张量>稀疏张量表示
代表稀疏张量.
TensorFlow表示一个稀疏张量，作为三个独立的稠密张量：indices,values和dense_shape.在Python中，三个张量被集合到一个SparseTensor类中，以方便使用。如果你有单独的indices，values和dense_shape张量,SparseTensor在传递给下面的操作之前，将它们包装在一个对象中。
具体来说，该稀疏张量SparseTensor(indices, values, dense_shape)包括以下组件，其中N和ndims分别是在SparseTensor中的值的数目和维度的数量：
- indices：density_shape[N, ndims]的2-D int64张量，指定稀疏张量中包含非零值(元素为零索引)的元素的索引。例如,indices=[[1,3], [2,4]]指定索引为[1,3]和[2,4]的元素具有非零值。
- values：任何类型和dense_shape [N]的一维张量，它提供了indices中的每个元素的值。例如，给定indices=[[1,3], [2,4]]的参数values=[18, 3.6]指定稀疏张量的元素[1,3]的值为18，张量的元素[2,4]的值为3.6。
- dense_shape：density_shape[ndims]的一个1-D int64张量，指定稀疏张量的dense_shape。获取一个列表，指出每个维度中元素的数量。例如，dense_shape=[3,6]指定二维3x6张量，dense_shape=[2,3,4]指定三维2x3x4张量，并且dense_shape=[9]指定具有9个元素的一维张量。
相应的稠密张量满足：
代码语言：javascript复制dense.shape = dense_shape
dense[tuple(indices[i])] = values[i]按照惯例，indices应该按行优先顺序排列(或者在元组上等效地按字典排序indices[i])。当构造SparseTensor对象时，这不是强制执行的，但大多数操作都假定正确的顺序。如果稀疏张量st的排序是错误的，可以通过调用tf.sparse_reorder(st)来获得一个固定的版本。
例如：稀疏张量表示：
代码语言：javascript复制SparseTensor(indices=[[0, 0], [1, 2]], values=[1, 2], dense_shape=[3, 4])表示稠密张量：
代码语言：javascript复制[[1, 0, 0, 0]
[0, 0, 2, 0]
[0, 0, 0, 0]]属性
- dense_shape int64的一维张量,表示稠密张量的形状.
- dtype 在这个张量中元素的DType.
- graph 包含 index,value和dense_shape张量的Graph.
- indices 表示稠密张量中非零值的指标. 返回： 带有dense_shape[N, ndims]的类型为int64的二维张量,其中N是张量中的非零值的数量,并且ndims是秩.
- op 产生values作为输出的Operation.
- values 表示稠密张量中的非零值. 返回：
- 任何数据类型的一维张量.
函数
1、__init__
代码语言：javascript复制__init__(
indices,
values,
dense_shape
)创建一个SparseTensor。
参数：
- indices：一个形状为[N, ndims]的二维int64张量。
- values：任何类型和形状[N]的一维张量。
- dense_shape：形状为[ndims]的1-D int64张量。
返回值：
- 该方法返回一个SparseTensor。
2、__div__
代码语言：javascript复制__div__(
sp_x,
y
)Component-wise 用稠密张量除以 SparseTensor。
限制：这个操作只向稀疏的一面播放密集的一面,而不是其他的方向.
参数：
- sp_indices：int64 类型的张量,是2维的；N x R矩阵具有SparseTensor中的非空值索引,可能不符合规范排序.
- sp_values：一个张量；必须是下列类型之一：float32,float64,int64,int32,uint8,uint16,int16,int8,complex64,complex128,qint8,quint8,qint32,half；是一维的.N的非空值对应sp_indices.
- sp_shape：int64 类型的张量,是一维的；输入SparseTensor的形状.
- dense：一个张量,必须与sp_values具有相同的类型；R-D；密集的张量操作数.
- name：操作的名称(可选).
返回值：
- 该方法返回一个与sp_values有相同的类型的张量，它是1维的；运行的N值。
3、__mul__
代码语言：javascript复制__mul__(
sp_x,
y
)按Component-wise方式将SparseTensor乘以一个稠密的张量。与稀疏张量中的隐藏零元素相对应的输出位置将是零(即不会占用存储空间),而与密集张量的内容无关(即使它是 /- INF,且INF * 0 == NAN).
限制：这个操作只向稀疏的一面播放密集的一面,而不是其他的方向.
参数：
- sp_indices：int64类型的张量,是2维的,N x R矩阵具有SparseTensor中的非空值索引,可能不符合规范排序.
- sp_values：一个张量；必须是下列类型之一：float32,float64,int64,int32,uint8,uint16,int16,int8,complex64,complex128,qint8,quint8,qint32,half；是一维的；N的非空值对应sp_indices.
- sp_shape：int64类型的张量,是1维的；输入SparseTensor的形状.
- dense：一个张量；必须与sp_values具有相同的类型；R-D；密集的张量操作数.
- name：操作的名称(可选).
返回值：
- 该方法返回一个与sp_values有相同的类型；这个张量是一维的；运行的N值。
4、__truediv__
代码语言：javascript复制__truediv__(
sp_x,
y
)内部帮助函数'sp_t / dense_t'.
5、eval()
代码语言：javascript复制eval(
feed_dict=None,
session=None
)在一个Session中计算这个稀疏张量.
调用此方法将执行所有前面的操作,这些操作会生成产生此张量的操作所需的输入.
注意：在调用SparseTensor.eval()之前,它的关系图必须已经在Session中启动,并且默认Session必须是可用的,否则session必须明确指定.
参数：
- feed_dict：将Tensor对象映射到Feed值的字典.请参阅tf.Session.run以得到有效的Feed值的说明.
- session:(可选)Session用来计算这个稀疏张量.如果没有,将使用默认Session.
返回值：
- 该方法返回一个SparseTensorValue对象。
6、from_value
代码语言：javascript复制@classmethod
from_value(
cls,
sparse_tensor_value
)7、get_shape
代码语言：javascript复制get_shape()得到TensorShape,它表示稠密张量的形状.
返回值：
该方法返回一个TensorShape对象.
