在TensorFlow中使用coo_matrix

Question

我在TensorFlow中进行矩阵分解,我想使用来自Spicy.sparse的coo_matrix,因为它使用更少的内存,并且可以很容易地将我的所有数据放入我的矩阵中来训练数据.

是否可以使用coo_matrix来初始化张量流中的变量？

或者我是否必须使用sess.run()和feed_dict创建会话并将我获得的数据提供给tensorflow.

我希望你理解我的问题和我的问题否则评论,我会尝试解决它.

Answer 1

TensorFlow最接近的scipy.sparse.coo_matrix是tf.SparseTensor,它是稀疏的等价物tf.Tensor.最简单的方法是将一个coo_matrix程序输入程序.

A tf.SparseTensor是COO矩阵的略微概括,其中张量表示为三个密集tf.Tensor对象:

• indices:值的Nx D矩阵,tf.int64其中每行表示非零值的坐标.N是非零的数量,并且D是等效密集张量的等级(在矩阵的情况下为2).
• values:N值的长度向量,其中element i是坐标在行i上给出的元素的值indices.
• dense_shape:长度D矢量tf.int64,表示等效密集张量的形状.

例如,您可以使用以下代码,该代码tf.sparse_placeholder()用于定义tf.SparseTensor您可以提供的代码,以及tf.SparseTensorValue代表正在馈送的实际值的代码:

sparse_input = tf.sparse_placeholder(dtype=tf.float32, shape=[100, 100])
# ...
train_op = ...

coo_matrix = scipy.sparse.coo_matrix(...)

# Wrap `coo_matrix` in the `tf.SparseTensorValue` form that TensorFlow expects.
# SciPy stores the row and column coordinates as separate vectors, so we must 
# stack and transpose them to make an indices matrix of the appropriate shape.
tf_coo_matrix = tf.SparseTensorValue(
    indices=np.array([coo_matrix.rows, coo_matrix.cols]).T,
    values=coo_matrix.data,
    dense_shape=coo_matrix.shape)

一旦你已经将您coo_matrix的tf.SparseTensorValue,您可以养活sparse_input与tf.SparseTensorValue直接:

sess.run(train_op, feed_dict={sparse_input: tf_coo_matrix})