Tensorflow: tf.matmul () falla cuando las matrices son escasas, incluso si se establece a_is_sparse. Error críptico.

tf.matmul (A, B, a_is_sparse = True) falla en a = ops.convert_to_tensor (a, name = "a") con un error críptico.

Código de ejemplo:

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)})

Error:
línea 12, en
_ = sess.run (tf.matmul (x, y, a_is_sparse = True), feed_dict = {
Archivo "/usr/local/lib/python2.7/site-packages/tensorflow/python/ops/math_ops.py", línea 1189, en matmul
a = ops.convert_to_tensor (a, name = "a")
Archivo "/usr/local/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", línea 620, en convert_to_tensor
ret = conversion_func (valor, dtype = dtype, name = name, as_ref = as_ref)
Archivo "/usr/local/lib/python2.7/site-packages/tensorflow/python/ops/constant_op.py", línea 179, en _constant_tensor_conversion_function
return constante (v, dtype = dtype, name = name)
Archivo "/usr/local/lib/python2.7/site-packages/tensorflow/python/ops/constant_op.py", línea 162, en constante
tensor_util.make_tensor_proto (valor, dtype = dtype, shape = shape))
Archivo "/usr/local/lib/python2.7/site-packages/tensorflow/python/framework/tensor_util.py", línea 421, en make_tensor_proto
tensor_proto.string_val.extend ([compat.as_bytes (x) para x en proto_values])
Archivo "/usr/local/lib/python2.7/site-packages/tensorflow/python/util/compat.py", línea 44, en as_bytes
raise TypeError ('Cadena binaria o Unicode esperada, obtuvo% r'% bytes_or_text)
TypeError: cadena binaria o Unicode esperada, obtenida

Se corrige convirtiendo explícitamente de tensor escaso a denso antes de la multiplicación:

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)})