Tensorflow: tf.matmul() échoue lorsque les matrices sont creuses, même si a_is_sparse est défini. Erreur cryptique.

tf.matmul(A, B, a_is_sparse=True) échoue sur a = ops.convert_to_tensor(a, name="a") avec une erreur cryptique.

Exemple de code :

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)})

Erreur:
ligne 12, dans
_ = sess.run(tf.matmul(x, y, a_is_sparse=True), feed_dict={
Fichier "/usr/local/lib/python2.7/site-packages/tensorflow/python/ops/math_ops.py", ligne 1189, dans matmul
a = ops.convert_to_tensor(a, name="a")
Fichier "/usr/local/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", ligne 620, dans convert_to_tensor
ret = conversion_func(valeur, dtype=dtype, nom=nom, as_ref=as_ref)
Fichier "/usr/local/lib/python2.7/site-packages/tensorflow/python/ops/constant_op.py", ligne 179, dans _constant_tensor_conversion_function
return constant(v, dtype=dtype, name=name)
Fichier "/usr/local/lib/python2.7/site-packages/tensorflow/python/ops/constant_op.py", ligne 162, en constante
tensor_util.make_tensor_proto(valeur, dtype=dtype, forme=forme))
Fichier "/usr/local/lib/python2.7/site-packages/tensorflow/python/framework/tensor_util.py", ligne 421, dans make_tensor_proto
tensor_proto.string_val.extend([compat.as_bytes(x) for x in proto_values])
Fichier "/usr/local/lib/python2.7/site-packages/tensorflow/python/util/compat.py", ligne 44, en as_bytes
raise TypeError('Chaîne binaire ou unicode attendue, a obtenu %r' % bytes_or_text)
TypeError : chaîne binaire ou unicode attendue, obtenu

Est corrigé en convertissant explicitement le tenseur clairsemé en tenseur dense avant la multiplication :

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)})