python中print換行，python打印tensor_如何在TensorFlow中打印SparseTensor內容？

你看到這個錯誤是因為SparseTensor不是一個真正的張量，它是一個包含3個密集張量的元張量。在

嘗試在SparsetSensor上使用print()，您將看到內部詳細信息：indices=Tensor(…), values=Tensor(…), dense_shape=Tensor(…))

你可以用tf.打印. 例如，tf.打印(my峈疏_張量值，[我的稀疏_張量值])會成功的。在

SparseTensor文檔描述了內部數據結構：

python中print換行？TensorFlow將稀疏張量表示為三個獨立的密集張量：索引、值和密集形狀。在Python中，為了便于使用，這三個張量被收集到一個SparseTensor類中。如果您有單獨的索引、值和密集的形狀張量，請在傳遞給下面的ops之前將它們包裝在SparseTensor對象中。在

具體而言，稀疏張量SparseTensor(索引、值、稠密形狀)包含以下組件，其中N和ndims分別是SparseTensor中的值的數量和維數的數量：

索引：密集型的二維int64張量[N，ndims]，指定稀疏張量中包含非零值的元素的索引(元素為零索引)。例如，index=[[1,3]，[2,4]]指定索引為[1,3]和[2,4]的元素具有非零值。在

值：任何類型的1-D張量，密集形狀[N]，它提供索引中每個元素的值。例如，給定索引=[[1,3]，[2,4]]，參數值=[18，3.6]指定稀疏張量的元素[1,3]的值為18，張量的元素[2,4]的值為3.6。在

密集型：密集型的一維int64張量[ndims]，它指定稀疏張量的密集型。獲取一個列表，該列表指示每個維度中的元素數。例如，dense_-shape=[3,6]指定二維3x6張量，densite_-shape=[2,3,4]指定三維2x3x4張量，dense_-shape=[9]指定包含9個元素的一維張量。在

在python中怎么建立列表，對應的稠密張量滿足：

^{pr2}$

按照慣例，索引應該按行的主要順序(或元組索引的等效詞典順序[i])排序。在構造SparseTensor對象時，這并不是強制執行的，但是大多數操作都假定正確的順序。如果稀疏張量st的排序錯誤，可以通過調用tf.sparse_重新排序(st)。在

示例：稀疏張量SparseTensor(indices=[[0, 0], [1, 2]], values=[1, 2], dense_shape=[3, 4])

表示稠密張量：[[1, 0, 0, 0]

python tensorflow。[0, 0, 2, 0]

[0, 0, 0, 0]]