系统信息

• TensorFlow版本(您正在使用的):2.5.0
• 您是否愿意为其做出贡献(是/否):

我正在使用TensorFlow版本2.5.0,并尝试将稀疏Tensor适应深度学习模型。然而，有趣的是，尽管索引已经由numpy指定，但即使我们尝试了，索引始终被转换为uint64,即使是从numpy或tensorflow(tf.convert_to_tensor || tf.constant)。由于我们的矩阵形状为(10000, 7465),建议使用uint16作为数据类型索引，而不是uint64。
如果索引作为Python列表或元组传递，则更喜欢将其转换为uint64,但是如果输入为numpy数组，则希望能够修改相应的数据类型，使其范围与dense array相当，而不是安全地将其转换为uint64作为输入。
此实现可以帮助减少计算资源的最大占用，因为即使矩阵不够稀疏，存储索引也可能相当昂贵。在我的情况下，幸运的是，数据是uint8,密度为2.24%,所以没有这个问题。
示例：
当前版本：内存成本：数据(uint8),索引(uint64)->内存成本：与密集数组相比38.08%
此实现1:数据(uint8),索引(uint16)->内存成本：与密集数组相比11.02%
此实现2:数据(uint8),索引(uint32)->内存成本：与密集数组相比20.16%
此外，还应该使keras.Input(sparse=True)与Scipy.sparse兼容，而不是发出警告