我有困难理解Tensorflow中张量和稀疏张量的含义和用法。
根据文档
张量
张量是一种类型化的多维数组。例如,您可以将一批图像表示为浮点数的4-D数组,其尺寸为[batch, height, width, channels]。
稀疏张量
Tensorflow使用三个分离的密集张量来表示稀疏张量:索引、值和形状。在Python中,这三个张量被收集到SparseTensor类中以便于使用。如果您有单独的索引、值和形状张量,请在传递到下面的操作之前将它们包装在SparseTensor对象中。
我的理解是张量用于操作、输入和输出。而稀疏张量只是张量的另一种表示(密集?)。希望有人可以进一步解释它们的差异和使用案例。
indices = [1,4]
吗? - yichudu