初始化張量

Question

tf_coo = tf.SparseTensor(indices=np.array([[0, 0, 0, 1, 1, 2, 3, 9], 
              [1, 4, 9, 9, 9, 9, 9, 9]]).T, 
         values=[1, 2, 3, 5,1,1,1,1], 
         shape=[10, 10]) 

我得到錯誤信息

InvalidArgumentError (see above for traceback): indices[4] = [1,9] is repeated 
    [[Node: SparseToDense = SparseToDense[T=DT_INT32, Tindices=DT_INT64, validate_indices=true, _device="/job:localhost/replica:0/task:0/cpu:0"](SparseTensor/indices, SparseToDense/output_shape, SparseTensor/values, SparseToDense/default_value)]] 

是不是可以強制建立索引的兩個列表和價值呢？我之前使用過coo_matrix，它解決了這個問題。任何幫助？

編輯： 我解決了它通過創建一個csr_matrix，我使用函數sort_indices（）然後我將它轉換爲coo_matrix。從那裏，我只是創建一個SparseTensor

tf.SparseTensor(indices= (coo_martix.row, coo_martix.col), values= coo_matrix.data, dense_shape=coo_martix.shape) 

Answer 1

只需刪除重複的[1,9]在indices：

from __future__ import print_function 
import tensorflow as tf 
import numpy as np 
tf_coo = tf.SparseTensor(indices=np.array([[0, 0, 0, 1, 2, 3, 9], 
              [1, 4, 9, 9, 9, 9, 9]]).T, 
         values=[1, 2, 3, 1,1,1,1], 
         dense_shape=[10, 10]) 

print('tf_coo: {0}'.format(tf_coo)) 
print('tf_coo.get_shape(): {0}'.format(tf_coo.get_shape()))