local/lib/python3.5/dist-packages/tensorflow/python/ops/gradients.py:90: UserWarning: Converting sparse IndexedSlices"Converting sparse IndexedSlices to a dense Tensor of unknown shape. "
当一个层对输入层进行索引，对相应的切片执行一些操作，然后下一个层对结果进行索引时
浏览 1提问于2016-08-23得票数 4
回答已采纳
我在tensorflow中定义了一个RNN模型，compute_gradients中的一个RNN模型是IndexedSlices类型的，其他的模型是tensor类型的。在我session.run(compute_gradients ...)之后，IndexedSlices的返回值类型是IndexedSlicesValue，然后我有两个问题：
我如何平均几个IndexedSlicesValue
浏览 2提问于2016-08-18得票数 1
回答已采纳
1回答
我收到了以下警告：
94: UserWarning: Converting sparse IndexedSlices to a dense Tensor with 1200012120 elements我应该如何修改代码，使其在不转换为密集张量的情况下工作？
浏览 16提问于2018-01-31得票数 2
我收到了以下警告：
94: UserWarning: Converting sparse IndexedSlices to a dense Tensor with 1200012120 elements我应该如何修改代码，使其工作，而不转换成密集张量？
浏览 0提问于2018-01-31得票数 3
有办法将稠密张量转化为稀疏张量吗？显然，Tensorflow的Estimator.fit不接受SparseTensors作为标签。grid_rnn_fn, model_dir="/tmp/grid_rnn_ocr_model")更新
原来，的这个解决方案将稠密张量转换为稀疏张量</
浏览 3提问于2018-01-11得票数 5
回答已采纳
1回答
我在努力处理不同的张量类型和它们之间的运算。一般情况下，它也不起作用，因为我不知道所有特性的张量类型(我在TFT中的preprocessing_fn中工作，数据来自BigQuery)。
浏览 12提问于2022-03-15得票数 1
回答已采纳
anaconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/ops/gradients.py:90: UserWarning:将稀疏IndexedSlices转化为形状未知的密集张量。“将稀疏IndexedSlices转换为形状未知的密集张量。”
浏览 5提问于2017-01-25得票数 0
1回答
我正在尝试从不同长度的向量(数据列)中创建一个数据集。我目前正在使用以下代码：shapes = [[3,2],[2,2]]dataset = tf.data.Dataset.from_tensor_slices( "shape": tf.constant(shapes),
"class": tf.constant(cl
浏览 0提问于2018-04-10得票数 0
回答已采纳
假设A是稀疏二维二元张量(NxN)，B是向量(1xN)。我想缩放A的B：A_{i, j} <- A_{i, j} x B_{j}列，我正在寻找一种有效的方法来做到这一点。目前，我尝试了两种方法，但它们太慢：
将B转换为对角矩阵BD，并使用tf.sparse_tensor_dense_matmul(A, BD)。这将返回一个稠密矩阵，因此，该方法不是稀疏张量efficient.Using map_fn tf.SparseTensor(A.indices, tf.ma
浏览 0提问于2021-04-30得票数 0
在Tensorflow中，我遇到了将稀疏张量(稀疏占位符)乘以稠密张量的问题。我还遇到了将稀疏张量直接转换为稠密张量的问题。我已经搜索过了，但到目前为止还没有找到这个问题的例子。)
简单地求和稀疏张量的元
浏览 0提问于2018-03-22得票数 2
回答已采纳
1回答
由于数据维度太大，我不得不将数据转换为稀疏矩阵，而不是密集数组。
然而，由于该图包含cnn，当我直接给稀疏矩阵喂入时，我被告知cnn不能接收稀疏张量。所以我得先做“稀疏到稠密”的操作。但问题是，我的数据(多稀疏矩阵)应该转换成二维稀疏矩阵。(例如，我有稀疏matrix1，dim为14,25500，稀疏matrix2，dim为14,25500，理想维数为2,14,25500，但我所面对的现实是28,2
浏览 0提问于2017-10-13得票数 0
回答已采纳
我在PyTorch中创建了一个sparse_coo张量： import torch
i = torch.tensor([[0, 1, 1],torch.float32)
sparse_tensor = torch.sparse_coo_tensor(i, v, [2, 4]) 现在，我想将PyTorch稀疏张量转换为PyTorch稠密张量。
浏览 274提问于2020-10-27得票数 0
回答已采纳
2回答
我很难理解Tensorflow张量和稀疏张量的含义和用法。根据文件
TensorFlow将稀疏张量表示为三个独立的密集张量:索引、值和形状。在Python中，为了便于使用，三个张量被收集到一个SparseTensor类中。如果有单
浏览 3提问于2017-12-05得票数 24
回答已采纳
此数据集存储为稀疏数组，密度为0.0001。对于这篇文章，我将限制假设模型是一个浅层前馈神经网络的范围，并假设维数已经优化(因此不能降低到100万以下)。我试过的
我第一次发现在DataLoader的每一次迭代中从这么大的稀疏数组中读取是计算密集型的，所以我将这个稀疏数组分解为较小的稀疏数组。为了让DataLoader以迭代的方式从这些多个稀疏数组中读取，我用一个IterableDataset替换了DataLoader中的映射样式数据集，并将这些较小的稀疏<
浏览 12提问于2020-07-22得票数 1
我有一些稀疏的索引： [0 1] [1 1] [2 0]][[0.1 0.2 0.3] [0.70.8 0.9] [1.3 1.4 1.5]如何将tensorflow中的6x3值张量转换为3x3x3稠密张量？0..密度张量是这样的： [0.4 0.5 0.6]
[
浏览 0提问于2018-12-06得票数 2
回答已采纳
我尝试将中的RNN模型移植到多GPU卡上。我遵循中的多塔风格。但是，我发现tf.clip_by_global_norm(tf.gradients(cost, tvars), config.max_grad_norm)返回的"grads“不是张量类型的列表。现在我需要将多个GPU塔返回的"grads“列表求和平均为一个IndexedSlices或张量列表，以便将其传递到self.我尝试过将IndexedSlices转换为张量的tf.c
浏览 0提问于2016-05-06得票数 0
我不太明白这里的文档：
因此，这个形状数组(4200,30)是从对应于更大、更密集张量的数组中提取出来的？
浏览 9提问于2016-04-12得票数 6
我有一个稀疏的向量列，我通过UDF将它转换成密集向量。我想将向量值的类型从float32转换为float64 (PySpark稠密向量标准dtype是float64)。
浏览 4提问于2022-07-12得票数 -1
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号