跟进问题“在 TensorFlow 中使用 coo_matrix”

Question

在question的回答中提到：

tf_coo_matrix = tf.SparseTensorValue(
indices=np.array([coo_matrix.rows, coo_matrix.cols]).T,
values=coo_matrix.data,
dense_shape=coo_matrix.shape)

我试图理解为什么在使用 TensorFlow 时需要转置一个 scipy 稀疏矩阵。提前致谢。

Answer 1

如果你查看tf.SparseTensor 的文档，indices 预计是一个二维张量，维度为(N, ndims)，其中N 是稀疏张量中非零值的数量，@ 987654326@ 是它的维数。对于稀疏矩阵（二维），每一行将包含values中对应值的行和列。

在sn-p中，coo_matrix.rows是稀疏矩阵的行索引数组，coo_matrix.cols是列索引数组。 np.array([coo_matrix.rows, coo_matrix.cols]) 将是一个有两行和N 列的数组，这与稀疏张量所期望的顺序相反，因此将其与.T 进行转置，您将得到(N, 2) 索引张量。并不是说您没有转置稀疏矩阵，索引仍然保持不变，您只是按照要求的顺序将它们提供给tf.SparseTensorValue。例如，您可以通过 np.stack([coo_matrix.rows, coo_matrix.cols], axis=1) 获得相同的结果。