Tensorflow 使用from_generator创建SparseTensors的TF数据集

我有一个生成器，可以生成

tf.sparse.SparseTensor

s。我想将其转换为Tensorflow数据集，但遇到了一些问题。我正在使用TF2。首先，与常规张量不同，您不能简单地传入它们（并为输出类型提供正确的数据类型）。对于

[1,0,0,0,5,0]

的稀疏张量，错误如下

tensorflow.python.framework.errors_impl.InvalidArgumentError: TypeError: `generator` yielded an element that could not be converted to the expected type. The expected type was int64, but the yielded element was SparseTensor(indices=tf.Tensor(
E     [[0]
E      [4]], shape=(2, 1), dtype=int64), values=tf.Tensor([1 5], shape=(2,), dtype=int64), dense_shape=tf.Tensor([6], shape=(1,), dtype=int64)).

在互联网上四处查看之后，我发现了这个公开问题，并尝试做一些类似的事情——将索引、值和形状作为单独的张量读取到TF数据集中，然后映射到数据集中以创建稀疏张量。这与github问题中的一些示例不一样-

tf.sparse.SparseTensor（索引、值、形状）

似乎不接受tf.Tensor形式的索引和形状-它很乐意接受列表或numpy数组，但不是张量。由于

map

并不急切，我也不能调用张量上的

.numpy（）

。什么是最好的方法让它工作？我看到有

tf.py_函数

/

tf.numpy_函数

可能会有所帮助，但对于我的用例来说，构造输出类型可能会很棘手（尽管并非不可能）——传入的数据不是固定的，并且可能有稀疏张量和密集张量的混合