python – 使用稀疏张量为TensorFlow中的softmax图层提供占位符

2019年7月22日 206次阅读

有没有人尝试使用稀疏张量进行文本分析与TensorFlow成功？一切准备就绪,我设法为tf.Session中的feed_dict提供一个带有numpy数组的Softmax图层,但是我无法用SparseTensorValues提供字典.

我没有找到关于使用稀疏矩阵来训练模型(例如softmax)和Tensor Flow的文档,这很奇怪,因为类SparseTensor和SparseTensorValues或TensorFlow.sparse_to_dense方法已经准备就绪,但是没有关于如何使用的文档在session.run(fetches,feed_dict = None)方法中提供feed_dict值的字典.

非常感谢,

最佳答案 我找到了一种将稀疏图像放入张量流的方法,包括批处理,如果有任何帮助的话.

我在字典中创建了一个4维稀疏矩阵,其中维度为batchSize,xLen,ylen,zLen(例如,zLen为3时为颜色).以下伪代码用于批量为50个32×96像素的3色图像.值是每个像素的强度.在下面的代码片段中,我显示了第一批初始化的前2个像素…

shape = [50, 32, 96, 3]
indices = [[0, 20, 31, 0],[0, 22, 33, 1], etc...]
values = [12, 24, etc...]
batch = {"indices": indices, "values": values, "shape": shape}

在设置计算图时,我创建了一个正确尺寸的稀疏占位符

images = tf.sparse_placeholder(tf.float32, shape=[None, 32, 96, 3])

‘无’使用,因此我可以改变批量大小.

当我第一次想要使用图像时,例如为了进入批量卷积,我将它们转换回密集张量：

images = tf.sparse_tensor_to_dense(batch)

然后,当我准备好运行会话时,例如为了训练,我将批处理的3个组件传递到字典中,以便sparse_placeholder选择它们：

train_dict = {images: (batch['indices'], batch['values'], batch['shape']), etc...}
sess.run(train_step, feed_dict=train_dict)

如果您不需要进行批处理,只需省略第一个维度并从占位符形状中删除“无”.

我找不到任何方法将图像作为稀疏矩阵数组批量传递.它只有在我创建第四维时才有效.我有兴趣知道其他选择.

虽然这并没有给出你的问题的确切答案,但我希望它有用,因为我一直在努力解决类似的问题.

点赞