布尔型掩码或十进制稀疏点积

Question

太长了，读不下去了，是什么？在

我正在尝试在Tensorflow中implementsyntactic GCN。基本上，我需要为每个标签有一个不同的权重矩阵（让我们忽略这个问题的偏差），并在每次运行时选择要使用的相关条目，这些条目将由一个稀疏矩阵来选择（对于每个条目，在一个方向上最多有一个标签，而且大多数情况下没有边，所以即使这样也不行）。在

更具体地说，当我有一个标记边的稀疏矩阵（0 1），是在掩码中使用它更好，还是在稀疏稠密张量乘法中使用它，或者仅仅使用正规乘法（我想不是后者，而是为了简单起见，在示例中使用它）

示例：

    units = 6 # output size 
    x = ops.convert_to_tensor(inputs[0], dtype=self.dtype)
    labeled_edges = ops.convert_to_tensor(inputs[1], dtype=self.dtype)
    edges_shape = labeled_edges.get_shape().as_list()
    labeled_edges = expand_dims(labeled_edges, -2)
    labeled_edges = tile(
        labeled_edges, [1] * (len(edges_shape) - 1) + [units, 1])
    graph_kernel = math_ops.multiply(self.kernel, labeled_edges) # here is the question basically
    outputs = standard_ops.tensordot(x, graph_kernel, [[1], [0]])
    outputs = math_ops.reduce_sum(outputs, [-1])

Answer 1

为回答你的太长了，读不下去了，你可以试着用以下任一个：

• ^{}：典型用法是tf.nn.embedding_lookup(params, ids)。它返回一个Tensor，该0轴条目是Tensor参数的子集。保留项的索引由Tensorid定义。

• ^{}：与tf.nn.embedding_lookup相同，但取{}作为SparseTensor。