tensorflow中的boolean_mask或稀疏点积
tensorflow中的boolean_mask或稀疏点积
提问于 2018-05-17 14:39:20
动态选择张量某些条目的最有效方法是什么？
我正在尝试在Tensorflow中implement syntactic GCN。基本上，我需要每个标签都有一个不同的权重矩阵(让我们忽略这个问题的偏差)，并在每次运行时选择要使用的相关条目，这些条目将由稀疏矩阵选择(对于每个条目，在一个方向上最多有一个标签，并且几乎没有边，所以甚至没有)。
更具体地说，当我有一个带有标签的边的稀疏矩阵(0-1)时，是在掩码中使用它更好，还是使用稀疏-密集张量乘法更好，或者只使用正常乘法(我猜不是后者，但为了简单起见，在示例中使用它)
示例：
units = 6 # output size
x = ops.convert_to_tensor(inputs[0], dtype=self.dtype)
labeled_edges = ops.convert_to_tensor(inputs[1], dtype=self.dtype)
edges_shape = labeled_edges.get_shape().as_list()
labeled_edges = expand_dims(labeled_edges, -2)
labeled_edges = tile(
labeled_edges, [1] * (len(edges_shape) - 1) + [units, 1])
graph_kernel = math_ops.multiply(self.kernel, labeled_edges) # here is the question basically
outputs = standard_ops.tensordot(x, graph_kernel, [[1], [0]])
outputs = math_ops.reduce_sum(outputs, [-1])回答 1
Stack Overflow用户
发布于 2018-05-18 09:47:42
要回答tl;dr问题，您可以尝试使用以下任一方法：
tf.nn.embedding_lookup：典型的用法是tf.nn.embedding_lookup(params, ids)。它返回一个参数，其中0轴条目是Tensor参数的子集。保留条目的索引由ids.tf.nn.embedding_lookup_sparseSparseTensor.
定义:与Tensor tf.nn.embedding_lookup相同，但以ids为索引
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50384894
复制相关文章
相似问题
腾讯云开发者
