[英]3D SparseTensor matrix multiplication with 2D Tensor :InvalidArgumentError: Tensor 'a_shape' must have 2 elements [Op:SparseTensorDenseMatMul]
嗨,我正在嘗試使用 2D 張量進行 3D SparseTensor 矩陣乘法。 這是一個玩具示例:
3D 張量矩陣與二維張量相乘
import tensorflow as tf
import numpy as np
a = np.array([[[1., 0., 2., 0.],
[3., 0., 0., 4.]]])
b = (np.array([1., 2.])[:,np.newaxis]).T
a_t = tf.constant(a)
b_t = tf.constant(b)
tf.matmul(b_t,a_t)
<tf.Tensor: shape=(1, 1, 4), dtype=float64, numpy=array([[[7., 0., 2., 8.]]])>
3D SparseTensor 矩陣乘法與二維張量
import tensorflow as tf
import numpy as np
a = np.array([[[1., 0., 2., 0.],
[3., 0., 0., 4.]]])
b = (np.array([1., 2.])[:,np.newaxis]).T
a_t = tf.constant(a)
b_t = tf.constant(b)
a_s = tf.sparse.from_dense(a_t)
tf.sparse.sparse_dense_matmul(b_t,a_s)
InvalidArgumentError: Tensor 'a_shape' must have 2 elements [Op:SparseTensorDenseMatMul]
你能幫我解決這個錯誤嗎?
文檔說密集矩陣的秩必須是 2。
將稀疏張量(或密集矩陣)(等級 2)“A”乘以密集矩陣
此 function 調用的第一個參數是:
稀疏張量(或稠密矩陣)A,秩為 2。
所以你可以做你想做的事,至少不是這樣。 似乎您並不真的需要三個維度,因為其中之一只是一個。 如果你把它擠出來,它會起作用:
a_t = tf.constant(tf.squeeze(a))
b_t = tf.constant(b)
a_s = tf.sparse.from_dense(a_t)
tf.sparse.sparse_dense_matmul(b_t,a_s)
<tf.Tensor: shape=(1, 4), dtype=float64, numpy=array([[7., 0., 2., 8.]])>
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.