我想要将一个形状为[n, n, k]的密集张量与一个形状为[n, n, 1]的稀疏张量进行元素相乘。我希望稀疏张量的值沿着轴以s的大小重复,就像我使用密集张量并依赖隐式广播一样。但是,SparseTensor.__mul__操作不支持广播稀疏操作数。我没有找到一个运算符来显式地广播稀疏张量。我怎样才能做到这一点呢?
当A是tf.SparseTensor,b是tf.Variable时,如何在tensorflow中实现以下目标?A = np.arange(5**2).reshape((5,5))C = A * b
如果我尝试同样的表示法,就会得到InvalidArgumentError:只要索引超出了w.r.t的范围。浓密的侧面,有广播的形状。
我在tensorflow中有两个张量,一个是稀疏张量,称为A,另一个是张量,称为B。我想计算A和B之间的平方误差。当我表演的时候:tf.reduce_sum(tf.square( B - A))TypeError: Expected float32passed to parameter 'y' of op 'Sub', got <tensorflow.python.framework
weights, a_is_sparse=True, b_is_sparse=False)TypeError: Failed to convert object of type <class 'tensorflow.python.framework.sparse_tensor.SparseTensorContents: SparseTensor(indices=Tensor("Placeholder_11:0", shape=(?, ?)我希望创建一个SparseTensorValue,从中