初始化张量

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]) 

我得到错误信息

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)]] 

是不是可以强制建立索引的两个列表和价值呢？我之前使用过coo_matrix，它解决了这个问题。任何帮助？

编辑： 我解决了它通过创建一个csr_matrix，我使用函数sort_indices（）然后我将它转换为coo_matrix。从那里，我只是创建一个SparseTensor

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

Answer 1

只需删除重复的[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()))