《TensorFlow 与卷积神经网络 （从算法到入门）》学习笔记

稀疏矩阵(sparse matrix ) 和 稠密矩阵矩阵(dense matrix )

一般稀疏矩阵和稠密矩阵的定义：
在矩阵中，若数值为0的元素数目远远多于非0元素的数目时，则称该矩阵为稀疏矩阵。与之相反，若非0元素数目占大多数时，则称该矩阵为稠密矩阵。

这里稀疏矩阵和稠密矩阵的定义：
稀疏矩阵是指由以下表达式描述的矩阵：

SparseTensor(indices=[[0, 0], [1, 1]], value=[1,2], dense_shape=[3, 3])

稠密矩阵是指一般矩阵表达式表示的句子，不管0的 多少：

[[1, 0, 0],
[0, 2, 0],
[0, 0, 0]]

生成稀疏矩阵：

函数原型：

SparseTensor(
	indices:  # 保存非零值的索引，即稀疏矩阵中除了indices保存的位置外，其他位置的值都为0
	values:   # 稀疏矩阵中indices索引位置的值
	dense_shape:   # 稀疏矩阵的shape
	)

比如稀疏矩阵：

SparseTensor(indices=[[0, 0], [1, 1]], value=[1,2], dense_shape=[3, 3])

对应的稠密矩阵就是：

[[1, 0, 0],
 [0, 2, 0],
 [0, 0, 0]]

稀疏矩阵 转 稠密矩阵：

函数原型：

tf.sparse_tensor_to_dense(
	sp_input,               # 用于转成稠密矩阵的输入
	default_value=None,		# 稀疏矩阵sp_input中的0值，要转换成指定的值，默认为0
	validate_indices=True,  # bool型，用于设置是否对索引值按照字典顺序排序
	name=None               # tensor对象的名称的前缀
	)

举例

import tensorflow as tf

sparse_tf = tf.SparseTensor(indices=[[0, 0], [1, 1]], values=[5, 5], dense_shape=[4, 4])
dense_tf_0 = tf.sparse_tensor_to_dense(sparse_tf, default_value=0)
dense_tf_2 = tf.sparse_tensor_to_dense(sparse_tf, default_value=2)

with tf.Session() as sess:
    print(sess.run(sparse_tf))
    print('\n', sess.run(dense_tf_0))
    print('\n', sess.run(dense_tf_2))


# 输出为：
# SparseTensorValue(indices=array([[0, 0],[1, 1]]),
#                   values=array([5, 5], dtype=int32),
#                   dense_shape=array([4, 4]))
#
#  [[5 0 0 0]
#  [0 5 0 0]
#  [0 0 0 0]
#  [0 0 0 0]]
#
#  [[5 2 2 2]
#  [2 5 2 2]
#  [2 2 2 2]
#  [2 2 2 2]]