Python 如何压缩类型为<；的稀疏张量；不可转换为张量>；

当从tensorflow中的

tf.sets.set\u交叉点的op中将一个常数张量与一个备用张量合并时，它失败了

import tensorflow as tf
sess = tf.Session()

a = tf.add(tf.range(10), tf.cast(tf.ones([10]), dtype=tf.int32))
b = tf.constant([0, 1, 1, 0, 0, 1, 1, 0, 0, 1])

# This set appears to be sorted, but that is not documented behavior.
s = tf.sets.set_intersection(a[None,:], b[None, :])
s = tf.concat([a, tf.convert_to_tensor(s)], axis=0)
fsort = tf.contrib.framework.sort(s.values)

with tf.Session() as sess:
    print(type(s))
    print(sess.run(s).values)
    print(sess.run(fsort))

错误如下：

TypeError回溯（最近一次调用）
/make_tensor_proto中的data00/tiger/jupyterhub_deploy/venv/lib/python3.6/site-packages/tensorflow/python/framework/tensor_util.py（值、数据类型、形状、验证形状）
526尝试：
-->527 str_值=[proto_值中x的compat.as_字节（x）]
528除类型错误外：
/data00/tiger/jupyterhub_deploy/venv/lib/python3.6/site-packages/tensorflow/python/framework/tensor_util.py in（.0）
526尝试：
-->527 str_值=[proto_值中x的compat.as_字节（x）]
528除类型错误外：
/数据00/tiger/jupyterhub_deploy/venv/lib/python3.6/site-packages/tensorflow/python/util/compat.py，格式为字节（字节或文本，编码）
60 raise TypeError（'应为二进制或unicode字符串，获得%r'%
--->61（字节或文本）
62
TypeError:应为二进制或unicode字符串，已获取
在处理上述异常期间，发生了另一个异常：
TypeError回溯（最近一次调用上次）
在里面
7#此集合似乎已排序，但这不是记录的行为。
8 s=tf.sets.set_交叉点（a[None，：]，b[None，：]）
---->9 s=tf.concat（[a，tf.concat将_转换为_张量]，轴=0）
10 fsort=tf.contrib.framework.sort（s.values）
11
/转换为tensor（值、数据类型、名称、首选数据类型）中的data00/tiger/jupyterhub_deploy/venv/lib/python3.6/site-packages/tensorflow/python/framework/ops.py
1048 name=名称，
1049首选类型=首选类型，
->1050 as_ref=False）
1051
1052
/数据00/tiger/jupyterhub_deploy/venv/lib/python3.6/site-packages/tensorflow/python/framework/ops.py在内部_convert_to_tensor中（值、数据类型、名称、as_ref、首选数据类型、ctx）
1144
1145如果ret为无：
->1146 ret=conversion\u func（值，dtype=dtype，name=name，as\u ref=as\u ref）
1147
1148如果未实施ret：
/data00/tiger/jupyterhub_deploy/venv/lib/python3.6/site-packages/tensorflow/python/framework/constant_op.py in_constant_tensor_conversion_函数（v，dtype，name，as_ref）
227 as_ref=False）：
228=作为参考
-->229返回常量（v，dtype=dtype，name=name）
230
231
/data00/tiger/jupyterhub_deploy/venv/lib/python3.6/site-packages/tensorflow/python/framework/constant_op.py（值、数据类型、形状、名称、验证形状）
206 tensor_value.tensor.CopyFrom(
207张量使用。生成张量原型(
-->208值，dtype=dtype，shape=shape，verify_shape=verify_shape））
209 dtype\u value=attr\u value\u pb2.AttrValue（type=tensor\u value.tensor.dtype）
210常数张量=g.create\u op(
/make_tensor_proto中的data00/tiger/jupyterhub_deploy/venv/lib/python3.6/site-packages/tensorflow/python/framework/tensor_util.py（值、数据类型、形状、验证形状）
529 raise TypeError（“未能将%s类型的对象转换为张量。”
530“内容：%s考虑铸造元素为”
-->531“支持的类型”。%（类型（值），值））
532张量原始字符串值扩展（str值）
533返回张量
TypeError:未能将类型的对象转换为张量。内容：SparsetSensor（索引=张量（“DenseToDenseSetOperation_17:0”，shape=（？，2），dtype=int64），values=张量（“DenseToDenseSetOperation_17:1”，shape=（？，），dtype=int32），稠密_shape=张量（“DenseToDenseSetOperation_17:2”，shape=（2，），dtype=int64））将铸造元素考虑为支持类型。
而不是使用
tf。将\u转换为\u张量。
使用
tf.sparse.to \u dense（s）
。此外，我还将整个代码重写为：

tf.reset_default_graph()
a = tf.add(tf.range(10), tf.cast(tf.ones([10]), dtype=tf.int32))
b = tf.constant([0, 1, 1, 0, 0, 1, 1, 0, 0, 1])

# This set appears to be sorted, but that is not documented behavior.
s_sparse = tf.sets.set_intersection(a[None,:], b[None, :])
s_dense = tf.squeeze(tf.sparse.to_dense(s_sparse), axis=0)
s = tf.concat([a, s_dense], axis=0)
fsort = tf.contrib.framework.sort(s)

with tf.Session() as sess:
    print(type(s))
    print(sess.run(s))
    print(sess.run(fsort))

不要使用
tf.convert_to_tensor（s）
而使用
tf.sparse.to_dense（s）
。此外，我将整个代码重写为：

tf.reset_default_graph()
a = tf.add(tf.range(10), tf.cast(tf.ones([10]), dtype=tf.int32))
b = tf.constant([0, 1, 1, 0, 0, 1, 1, 0, 0, 1])

# This set appears to be sorted, but that is not documented behavior.
s_sparse = tf.sets.set_intersection(a[None,:], b[None, :])
s_dense = tf.squeeze(tf.sparse.to_dense(s_sparse), axis=0)
s = tf.concat([a, s_dense], axis=0)
fsort = tf.contrib.framework.sort(s)

with tf.Session() as sess:
    print(type(s))
    print(sess.run(s))
    print(sess.run(fsort))

请包括您的代码和完整回溯。请包括您的代码和完整回溯。