Tensorflow: 当矩阵稀疏时 tf.matmul() 失败，即使设置了 a_is_sparse 也是如此。 隐性错误。

tf.matmul(A, B, a_is_sparse=True) 在 a = ops.convert_to_tensor(a, name="a") 上失败并出现神秘错误。

示例代码：

import tensorflow as tf
import numpy as np

x = tf.sparse_placeholder(tf.float32)
y = tf.Variable(tf.random_uniform([9, 9], minval=0.0, maxval=1.0, dtype=tf.float32))

with tf.Session() as sess:
    sess.run(tf.initialize_all_variables())
    indices = np.array([[3, 2], [4, 5]], dtype=np.int64)
    values = np.array([1.0, 2.0], dtype=np.float32)
    shape = np.array([9, 9], dtype=np.int64)
    _ = sess.run(tf.matmul(x, y), feed_dict={
        x: tf.SparseTensorValue(indices, values, shape)})

错误：
第 12 行，在
_ = sess.run(tf.matmul(x, y, a_is_sparse=True), feed_dict={
文件“/usr/local/lib/python2.7/site-packages/tensorflow/python/ops/math_ops.py”，第1189行，在matmul中
a = ops.convert_to_tensor(a, name="a")
文件“/usr/local/lib/python2.7/site-packages/tensorflow/python/framework/ops.py”，第 620 行，在 convert_to_tensor
ret = conversion_func(value, dtype=dtype, name=name, as_ref=as_ref)
文件“/usr/local/lib/python2.7/site-packages/tensorflow/python/ops/constant_op.py”，第 179 行，在 _constant_tensor_conversion_function
返回常量（v，dtype=dtype，name=name）
文件“/usr/local/lib/python2.7/site-packages/tensorflow/python/ops/constant_op.py”，第162行，常量
tensor_util.make_tensor_proto（值，dtype=dtype，shape=shape））
文件“/usr/local/lib/python2.7/site-packages/tensorflow/python/framework/tensor_util.py”，第 421 行，在 make_tensor_proto 中
tensor_proto.string_val.extend([compat.as_bytes(x) for x in proto_values])
文件“/usr/local/lib/python2.7/site-packages/tensorflow/python/util/compat.py”，第44行，as_bytes
raise TypeError('预期的二进制或 unicode 字符串，得到 %r' % bytes_or_text)
类型错误：预期的二进制或 Unicode 字符串，得到

通过在乘法之前从稀疏张量显式转换为密集张量来修复：

import tensorflow as tf
import numpy as np

x = tf.sparse_placeholder(tf.float32)
z = tf.sparse_tensor_to_dense(x)
y = tf.Variable(tf.random_uniform([9, 9], minval=0.0, maxval=1.0, dtype=tf.float32))

with tf.Session() as sess:
    sess.run(tf.initialize_all_variables())
    indices = np.array([[3, 2], [4, 5]], dtype=np.int64)
    values = np.array([1.0, 2.0], dtype=np.float32)
    shape = np.array([9, 9], dtype=np.int64)
    _ = sess.run(tf.matmul(z, y), feed_dict={
        x: tf.SparseTensorValue(indices, values, shape)})