Python 将未知形状的张量转换为tensorflow中的稀疏传感器

我有一个形状部分未知的张量和一个掩码——一个形状相同的张量，填充了

1.0

或

0.0

——我想把它转换成一个稀疏传感器，只考虑掩码中

1.0

对应的项。所以，我想我必须选择这样的方式：

import tensorflow as tf

tf.reset_default_graph()
tf.set_random_seed(23)

BATCH = 3
LENGTH = None

dense = tf.placeholder(shape=[BATCH, LENGTH], dtype=tf.float32, name='dense')
mask = tf.placeholder(shape=[BATCH, LENGTH], dtype=tf.float32, name='mask')
indices = tf.where(tf.equal(mask, 0.0))
values = tf.gather_nd(dense, indices)

在这一点上，我不知道如何继续，因为我尝试的两种方法都以不同的错误告终，如下所示。第一：

sparse = tf.SparseTensor(indices, values, shape=tf.shape(dense))
ValueError: Tensor conversion requested dtype int64 for Tensor with dtype int32: 'Tensor("Shape:0", shape=(2,), dtype=int32)'

第二点：

sparse = tf.SparseTensor(indices, values, shape=dense.get_shape())
ValueError: Cannot convert a partially known TensorShape to a Tensor: (3, ?)

第三：

sparse = tf.SparseTensor(indices, values, shape=[BATCH, LENGTH])
TypeError: Expected int64, got None of type '_Message' instead.

---

有什么提示吗？谢谢

在我的案例中，第一种方法将形状转换为

shape=tf.cast（tf.shape（dense），tf.int64）

解决了上述错误。

在我的案例中，第一种方法将形状转换为

shape=tf.cast（tf.shape（dense），tf.int64）

解决了上述错误。

在你的案例中，SparseTensor的形状不就是[批次，长度]？@abhisheknaik96。添加了第三个错误，这是我使用显式

[BATCH，LENGTH]

列表得到的。我明白了。我可以问一下如何设置长度变量吗？@Abhisheknakaik96它本来是空的，我把它放在代码中只是为了在我的测试中更容易设置它。在你的情况下，SparseTensor的形状不就是[批处理，长度]？@abhisheknaik96尝试过了。添加了第三个错误，这是我使用显式

[BATCH，LENGTH]

列表得到的。我明白了。我可以问一下如何设置长度变量吗？@abhisheknaik96它是空的，我把它放在代码中只是为了在我的测试中更容易设置它。