将图形数据集矩阵从稀疏格式更改为密集格式答案

【问题标题】：Changing graph dataset matrices from sparse format to dense将图形数据集矩阵从稀疏格式更改为密集格式
【发布时间】：2022-10-02 02:51:24
【问题描述】：

我第一次尝试使用 CoRA 数据集在 tensorflow 上训练图神经网络。数据集提供的特征和邻接矩阵以稀疏表示形式出现，但我在这里不需要它。因此，我想使用 numpy 的 todense() 但事实证明它不存在。供您参考，以下是相关代码：

import tensorflow as tf
import numpy as np
from spektral.datasets import citation

cora_dataset = spektral.datasets.citation.Citation(name=\'cora\')
test_mask = cora_dataset.mask_te
train_mask = cora_dataset.mask_tr
val_mask = cora_dataset.mask_va
graph = cora_dataset.graphs[0]
features = graph.x
adj = graph.a
labels = graph.y

features = features.todense()

错误是： \"AttributeError: \'numpy.ndarray\' object has no attribute \'todense\"

我想知道是否有替代 todense() 或任何其他将稀疏表示转换为密集表示的方法。

标签： python numpy tensorflow matrix graph-neural-network

【解决方案1】：

您可以使用 tf.sparse.to_dense 将稀疏矩阵转换为密集矩阵。

这是示例：

indices = [
 [0, 1],
 [0, 2],
 [0, 4],
 [1, 0],
 [1, 2],
 [1, 3],
 [1, 5],
 [2, 0],
 [2, 1],
 [2, 3],
 [2, 4],
 [3, 1],
 [3, 2],
 [3, 7],
 [4, 0],
 [4, 2],
 [4, 5],
 [4, 6],
 [5, 1],
 [5, 4],
 [5, 6],
 [6, 4],
 [6, 5],
 [6, 7],
 [7, 3],
 [7, 6]]
values = [1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.]
dense_shape = [8,8]
adjacency_matrix = tf.sparse.SparseTensor(
    indices, values, dense_shape
)
dense_matrix = tf.sparse.to_dense(adjacency_matrix)

我希望这会有所帮助。

【讨论】：