在 Tensorflow 中，如何将多个 SparseTensor 传递给 sess.run()答案

【问题标题】：In Tensorflow, how to pass more than one SparseTensor to sess.run()在 Tensorflow 中，如何将多个 SparseTensor 传递给 sess.run()
【发布时间】：2017-10-31 00:37:26
【问题描述】：

我有一个非常稀疏的数据集，由于内存限制，我不得不以稀疏的方式表示它们。因此，我正在考虑使用tf.sparse_placeholder 和tf.SparseTensorValue。

我需要传递给计算图，不止一个tf.SparseTensorValue。但是，我收到以下错误： ValueError: setting an array element with a sequence.

这是重现上述意图和错误的最小代码 sn-p。

import tensorflow as tf
import numpy as np

x = tf.sparse_placeholder(tf.float32)
y = tf.sparse_reduce_sum(x)


with tf.Session() as sess:
    indices = np.array([[3, 2, 0], [4, 5, 1]], dtype=np.int64)
    values = np.array([1.0, 2.0], dtype=np.float32)
    shape = np.array([7, 9, 2], dtype=np.int64)

    xs = list()
    xs.append(tf.SparseTensorValue(indices, values, shape))
    xs.append(tf.SparseTensorValue(indices, values, shape))

    print(sess.run(y, feed_dict={x: xs }))

【问题讨论】：

标签： tensorflow sparse-matrix

【解决方案1】：

一个 sparse_placeholder 只能输入一个稀疏张量。如果要输入多个，则需要构建一个稀疏张量，该张量对应于原始输入张量的堆叠版本。

例如以下应该可以工作：

x0 = tf.sparse_placeholder(tf.float32)
x1 = tf.sparse_placeholder(tf.float32)
x = tf.sparse_concat(axis=0, sp_inputs=[x0, x1])
y = tf.sparse_reduce_sum(x)
with tf.Session() as sess:
  indices = np.array([[3, 2, 0], [4, 5, 1]], dtype=np.int64)
  values = np.array([1.0, 2.0], dtype=np.float32)
  shape = np.array([7, 9, 2], dtype=np.int64)

  sp = tf.SparseTensorValue(indices, values, shape)
  print(sess.run(y, feed_dict={x0: sp, x1: sp }))

【讨论】：