Python Tensorflow:如何计算张量和稀疏张量之间的平方误差
在Python Tensorflow:如何计算张量和稀疏张量之间的平方误差,python,tensorflow,sparse-matrix,Python,Tensorflow,Sparse Matrix,在tensorflow中有两个张量,一个是稀疏张量,称为a,另一个是张量,称为B。我想计算A和B之间的平方误差 当我表演时: import tensorflow as tf tf.reduce_sum(tf.square( B - A)) 然后我得到一个错误,说: TypeError: Expected float32 passed to parameter 'y' of op 'Sub', got <tensorflow.python.framework.sparse_tensor.S
tensorflow
中有两个张量,一个是稀疏张量,称为a
,另一个是张量,称为B
。我想计算A
和B
之间的平方误差
当我表演时:
import tensorflow as tf
tf.reduce_sum(tf.square( B - A))
然后我得到一个错误,说:
TypeError: Expected float32 passed to parameter 'y' of op 'Sub', got <tensorflow.python.framework.sparse_tensor.SparseTensor object at 0x7f42a10bdf90> of type 'SparseTensor' instead.
错误显示:
TypeError: bad operand type for unary -: 'SparseTensor'
TypeError: bad operand type for unary -: 'SparseTensor'
然后我测试:
tf.reduce_sum(tf.sparse_add(layer_Bi_12, - Bi))
tf.reduce_sum(tf.square(tf.sparse_add(layer_Bi_12, - Bi)))
错误显示:
TypeError: bad operand type for unary -: 'SparseTensor'
TypeError: bad operand type for unary -: 'SparseTensor'
我怎样才能做到这一点呢?你不能添加稀疏张量和密集张量。首先需要将稀疏张量转换为稠密张量,例如
dense_A = tf.sparse_tensor_to_dense(A)
tf.reduce_sum(tf.square(B - dense_A))