使用稀疏张量为 TensorFlow 中的 softmax 层提供占位符

Question

有没有人尝试过使用稀疏张量和 TensorFlow 进行文本分析并取得成功？一切准备就绪，我设法在 tf.Session 中为带有 numpy 数组的 Softmax 层提供 feed_dict，但我无法使用 SparseTensorValues 提供字典。

我还没有找到关于使用稀疏矩阵来训练带有 Tensor Flow 的模型（例如 softmax）的文档，这很奇怪，因为类 SparseTensor 和 SparseTensorValues 或 TensorFlow.sparse_to_dense 方法已经准备好了，但是没有关于如何在 session.run(fetches,feed_dict=None) 方法中提供 feed_dict 值字典的文档。

非常感谢，

Answer 1

我找到了一种将稀疏图像放入 tensorflow 的方法，包括批处理（如果有帮助的话）。

我在字典中创建了一个 4-d 稀疏矩阵，其中维度为 batchSize、xLen、ylen、zLen（例如，zLen 为 3 表示颜色）。以下伪代码适用于一批 50 个 32x96 像素的 3 色图像。值是每个像素的强度。在下面的 sn-p 中，我显示了正在初始化的第一批的前 2 个像素...

shape = [50, 32, 96, 3]
indices = [[0, 20, 31, 0],[0, 22, 33, 1], etc...]
values = [12, 24, etc...]
batch = {"indices": indices, "values": values, "shape": shape}

在设置计算图时，我创建了一个正确尺寸的稀疏占位符

images = tf.sparse_placeholder(tf.float32, shape=[None, 32, 96, 3])

使用了“无”，因此我可以改变批量大小。

当我第一次想使用图像时，例如为了输入批量卷积，我将它们转换回密集张量：

images = tf.sparse_tensor_to_dense(batch) 

然后当我准备好运行会话时，例如为了训练，我将批次的 3 个组件传递到字典中，以便它们被 sparse_placeholder 拾取：

train_dict = {images: (batch['indices'], batch['values'], batch['shape']), etc...}
sess.run(train_step, feed_dict=train_dict)                

如果您不需要进行批处理，只需离开第一个维度并从占位符形状中删除“无”。

我找不到将图像作为稀疏矩阵数组批量传递的任何方法。只有在我创建了第四维时它才有效。我很想知道替代方案。

虽然这并不能准确回答您的问题，但我希望它对我有用，因为我一直在努力解决类似的问题。