Tensorflow: tf.matmul()은 a_is_sparse가 설정된 경우에도 행렬이 희소인 경우 실패합니다. 비밀 오류.

tf.matmul(A, B, a_is_sparse=True)은 a = ops.convert_to_tensor(a, name="a")에서 암호 오류와 함께 실패합니다.

예제 코드:

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)})

오류:
12번째 줄,
_ = sess.run(tf.matmul(x, y, a_is_sparse=True), feed_dict={
파일 "/usr/local/lib/python2.7/site-packages/tensorflow/python/ops/math_ops.py", 1189행, matmul
a = ops.convert_to_tensor(a, name="a")
파일 "/usr/local/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", 620행, convert_to_tensor
ret = conversion_func(값, dtype=dtype, 이름=이름, as_ref=as_ref)
_constant_tensor_conversion_function의 파일 "/usr/local/lib/python2.7/site-packages/tensorflow/python/ops/constant_op.py", 179행
반환 상수(v, dtype=dtype, 이름=이름)
파일 "/usr/local/lib/python2.7/site-packages/tensorflow/python/ops/constant_op.py", 줄 162, 일정하게
tensor_util.make_tensor_proto(값, dtype=dtype, 모양=모양))
make_tensor_proto에서 파일 "/usr/local/lib/python2.7/site-packages/tensorflow/python/framework/tensor_util.py", 라인 421
tensor_proto.string_val.extend([proto_values의 x에 대한 compat.as_bytes(x)])
파일 "/usr/local/lib/python2.7/site-packages/tensorflow/python/util/compat.py", 44행, as_bytes
raise TypeError('예상 바이너리 또는 유니코드 문자열, %r이(가) 있음' % bytes_or_text)
TypeError: 이진 또는 유니코드 문자열이 필요합니다.

곱하기 전에 희소에서 고밀도 텐서로 명시적으로 변환하여 수정됩니다.

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)})