TensorFlow中稀疏张量表示的原理和应用有哪些？

本文共计1358个文字，预计阅读时间需要6分钟。

TensorFlow支持使用SparseTensor处理稀疏数据。官方文档地址：[TensorFlow Sparse Ops](https://tensorflow.google.cn/api_guides/python/sparse_ops)。

创建SparseTensor的语法为：`SparseTensor(indices, values, dense_shape)`。其中，`indices`是一个维度为(n,)的数组，表示索引。

对于多维的稀疏数据，TensorFlow 支持 SparseTensor 表示。

官方文档地址：tensorflow.google.cn/api_guides/python/sparse_ops

构造稀疏张量

SparseTensor(indices, values, dense_shape)

indices是一个维度为(n, ndims)的2-D int64张量，指定非零元素的位置。比如indices=[[1,3], [2,4]]表示[1,3]和[2,4]位置的元素为非零元素。n表示非零元素的个数，ndims表示构造的稀疏张量的维数。

values是一个维度为(N)的1-D张量，对应indices所指位置的元素值。

dense_shape是一个维度为(ndims)的1-D张量，代表稀疏张量的维度。