Python 3.x Tensorflow：为什么密集矩阵的传递速度明显快于稀疏矩阵？

我正在尝试使用tensorflow 0.14来训练一个使用协同过滤算法的推荐系统

如果我有

ratings = tf.sparse_placeholder(tf.float32, shape=[None, None])
ratings_dense = tf.sparse_tensor_to_dense(ratings, validate_indices=False)

然后在所有计算中使用

ratings\u density

，这比使用

ratings_dense = tf.placeholder(tf.float32, shape=[None, None])

并传递预填充的numpy数组

---

为什么会这样？

我猜如果我以稀疏张量通过

评分

，

评分

会在每个训练步骤中重新计算。同样的问题。。使用稀疏矩阵可以将我的模型大小减少几个数量级，但是梯度的计算变得非常缓慢。