Machine learning 由tensorflow上的另一个稀疏矩阵指定的稀疏输出的矩阵乘法

我想在张量流上实现一个矩阵乘法，比如C=a·B，其中a∈ ℝn、 k和B∈ ℝk、 n。在我的例子中，n可能很大，但k通常很小（例如，低秩或潜在嵌入）

你知道稠密矩阵C∈ ℝn、 n存储在RAM中非常昂贵。然而，在C中我只想保留稀疏的条目。也就是说，通过定义另一个稀疏矩阵D∈ ℝn、 n，我真正关心的是那些索引

[I，j]

在D中有值的值。D中的非空值应仅为

1

因此，与其做这样的事情：

tmp = tf.matmul(A,B)
C = tf.SparseTensor(D.indices, tf.gather_nd(tmp, D.indices)*D.values, D.dense_shape)

我想避免显式计算上面的稠密张量

tmp

提前谢谢

我在这里找到了一个部分（不完整，因为我不完全理解您的目标）答案：

您可能在问一个称为“稀疏输出的矩阵乘法”的问题

阅读第一节（导言）：

“我们的方法可以看作是矩阵乘积的压缩传感方法，其非标准思想是计算AB的草图，而不显式构造AB”

在某些假设（输出矩阵稀疏和草图数量）下，使用纠错码可以在不乘以A和B的情况下获得初始乘积的最大条目

请看图2以获取一个示例。

我在这里找到了一个部分（不完整，因为我不完全理解您的目标）答案：

您可能在问一个称为“稀疏输出的矩阵乘法”的问题

阅读第一节（导言）：

“我们的方法可以看作是矩阵乘积的压缩传感方法，其非标准思想是计算AB的草图，而不显式构造AB”

在某些假设（输出矩阵稀疏和草图数量）下，使用纠错码可以在不乘以A和B的情况下获得初始乘积的最大条目

---

查看图2的示例。

可能重复@AlexanderMcFarlane据我所知，稀疏张量与稠密张量的matmul将具有稠密输出。不清楚如何将稀疏张量作为输出。在我的例子中，a和B都是稠密矩阵。您稍后想用

C

做什么？你想计算

tf.sparse\u tensor\u densite\u matmul（C，x）

？@JonasAdler我想稍后做以下事情：

C=tf.nn.tanh（C）

，然后

C=tf.sparse\u softmax（C）

，然后

tf.sparse\u tensor\u densite\u matmul（sp\u a=C，b=x）

据我所知，@AlexanderMcFarlane的可能重复，稀疏张量与稠密张量的矩阵将具有稠密输出。不清楚如何将稀疏张量作为输出。在我的例子中，a和B都是稠密矩阵。您稍后想用

C

做什么？你想计算

tf.sparse\u tensor\u densite\u matmul（C，x）

？@JonasAdler我想稍后做以下事情：

C=tf.nn.tanh（C）

，然后

C=tf.sparse\u softmax（C）

，然后

tf.sparse\u tensor\u densite\u matmul（sp\u a=C，b=x）