Question

为了快速调试，我试图打印出刚刚初始化的SparseTensor。

内置打印功能只是说它是一个SparseTensor对象，而tf.Print（）给出了一个错误。错误语句会打印对象的内容，但不会以显示实际条目的方式打印（除非它告诉我它是空的，还有一些：0s我不喜欢＆＃39;知道的重要性。

rows = tf.Print(rows, [rows])

TypeError: Failed to convert object of type <class 'tensorflow.python.framework.sparse_tensor.SparseTensor'> to Tensor. Contents: SparseTensor(indices=Tensor("SparseTensor/indices:0", shape=(6, 2), dtype=int64), values=Tensor("SparseTensor/values:0", shape=(6,), dtype=float32), dense_shape=Tensor("SparseTensor/dense_shape:0", shape=(2,), dtype=int64)). Consider casting elements to a supported type.

Answer 1

方式0：运行SparseTensor并打印结果

运行图形（在本例中只是SparseTensor对象）返回一个SparseTensorValue对象，该对象的打印格式与用于初始化SparseTensor的调用相同，这最终是我想要的。

with tf.Session() as sess:
  rows = sess.run(rows)
  print(rows)

方式1：转换为密集矩阵后使用打印

要使用Print功能，我可以在我的情况下转换为密集矩阵。但是Print仅在您运行图表时执行：

rows = tf.sparse_tensor_to_dense(rows)
rows = tf.Print(rows, [rows], summarize=100)
with tf.Session() as sess:
  sess.run(rows)

注意“汇总” - 默认设置只打印出零，因为它获得了以密集形式表示的稀疏矩阵的前几个条目！

方式2：使用tf.test.TestCase

我发现TestCase.evaluate方法给了我一种我想要的漂亮格式，与上面的Way 0相同：

print(str(self.evaluate(rows)))

输出，例如：

SparseTensorValue(indices=array([[1, 2],
   [1, 7],
   [1, 8],
   [2, 2],
   [3, 4],
   [3, 5]]), values=array([1., 1., 1., 1., 1., 1.], dtype=float32), dense_shape=array([4, 9]))

Answer 2

您看到此错误是因为SparseTensor并不是真正的张量，它是一个包含3个密集张量的MetaTensor。

尝试在SparseTensor上使用print（），您会看到内部详细信息：

indices=Tensor(…), values=Tensor(…), dense_shape=Tensor(…))

您可以使用tf.Print打印任何这些“内部”张量。例如，tf.Print（my_sparse_tensor.values，[my_sparse_tensor.values]）将成功。

SparseTensor文档描述了内部数据结构：

https://www.tensorflow.org/api_docs/python/tf/sparse/SparseTensor

TensorFlow将稀疏张量表示为三个单独的密集张量：索引，值和density_shape。在Python中，这三个张量被收集到SparseTensor类中以便于使用。如果您有单独的索引，值和density_shape张量，请在将它们传递到下面的ops之前，将它们包装在SparseTensor对象中。

具体来说，稀疏张量SparseTensor（索引，值，dense_shape）包含以下组件，其中N和ndims分别是SparseTensor中的值数和维数：

indices：密度为[N，ndims]的2-D int64张量，它指定稀疏张量中包含非零值（元素为零索引）的元素的索引。例如，indexs = [[1,3]，[2,4]]指定索引为[1,3]和[2,4]的元素具有非零值。

values：任何类型和密实形状[N]的一维张量，它为索引中的每个元素提供值。例如，给定索引= [[1,3]，[2,4]]，参数值= [18，3.6]指定稀疏张量的元素[1,3]的值为18，而元素[ [2,4]的张量的值为3.6。

dense_shape：density_shape [ndims]的一维int64张量，它指定稀疏张量的density_shape。获取一个列表，该列表指示每个维中的元素数。例如，density_shape = [3,6]指定二维3x6张量，density_shape = [2,3,4]指定三维2x3x4张量，density_shape = [9]指定包含9个元素的一维张量

相应的密集张量满足：

dense.shape = dense_shape
dense[tuple(indices[i])] = values[i]

按照惯例，索引应按行优先顺序（或在元组索引[i]上按字典顺序等效）排序。构造SparseTensor对象时，不会强制执行此操作，但是大多数操作都假定正确的顺序。如果稀疏张量st的顺序错误，则可以通过调用tf.sparse_reorder（st）获得固定版本。

例如：稀疏张量

SparseTensor(indices=[[0, 0], [1, 2]], values=[1, 2], dense_shape=[3, 4])

代表密集的张量：

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

如何在TensorFlow中打印SparseTensor内容？

2 个答案:

方式0：运行SparseTensor并打印结果

方式1：转换为密集矩阵后使用打印

方式2：使用tf.test.TestCase