Python Tensorflow-无法将浮点变量添加到稀疏占位符矩阵

我试图在tensorflow中的矩阵上实现一个简单的函数。矩阵是通过占位符输入的，是稀疏张量。我想用一个可学习的浮点变量（比如alpha）乘以矩阵的每个元素，并在其中添加一个可学习的偏差项（比如beta）。我添加了一个激活函数，比如relu/tanh

m_2 = relu(alpha*m + beta)

我正试图实现以下目标：

alpha = tf.get_variable("alpha", shape=[1,], dtype=tf.float32,  initializer = 
                                     tf.contrib.layers.xavier_initializer())
beta = tf.get_variable("beta", shape=[1, ], dtype=tf.float32,
                                    initializer = tf.contrib.layers.xavier_initializer())

m_2 = tf.nn.relu(alpha * m + beta)

但我得到了以下错误：

TypeError: Expected float32, got <tensorflow.python.framework.sparse_tensor.SparseTensor object at 0x0000026A771AE358> of type 'SparseTensor' instead.

TypeError:应为float32，而应为'SparseTensor'类型。

有趣的是，当我删除beta的添加，即当我将M'更改为以下值时，错误会发生变化：

m_2 = tf.nn.relu(alpha * m)



TypeError: Failed to convert object of type <class 'tensorflow.python.framework.sparse_tensor.SparseTensor'> to Tensor. Contents: SparseTensor(indices=Tensor("Placeholder_2:0", shape=(?, ?), dtype=int64), values=Tensor("mul_1:0", shape=(?,), dtype=float32), dense_shape=Tensor("Placeholder:0", shape=(?,), dtype=int64)). Consider casting elements to a supported type.

m_2=tf.nn.relu（alpha*m）
TypeError:无法将类型的对象转换为Tensor。内容：SparseTensor（索引=张量（“占位符_2:0”，形状=（？，？），数据类型=int64），值=张量（“mul_1:0”，形状=（？，），数据类型=float32），密集_形状=张量（“占位符：0”，形状=（？，），数据类型=int64））。将铸造元素考虑为支持类型。

最后，如果我不应用tf.nn.relu，

m2=alpha*m

我的代码工作正常

有人能帮助我了解正在发生的事情，以及我如何使它工作吗