如何在TensorFlow中打印SparseTensor的内容？

我之前也碰到过这个问题！想查看刚初始化的SparseTensor实际内容确实有点坑，内置print只显示它是个SparseTensor对象，旧版的tf.Print()还会报错，报错里的:0其实是张量的默认命名后缀，和实际内容没关系，不用纠结。给你几个靠谱的解决办法：

方法一：转成密集张量查看 #

把SparseTensor转换成普通的密集张量，就能像打印普通张量一样查看全部内容了，用tf.sparse.to_dense()就行：

import tensorflow as tf

# 初始化一个示例SparseTensor
sparse_tensor = tf.SparseTensor(
    indices=[[0, 0], [1, 2], [2, 1]],
    values=[10, 20, 30],
    dense_shape=[3, 3]
)

# 转换为密集张量后打印
dense_tensor = tf.sparse.to_dense(sparse_tensor)
# 用numpy()直接看数组
print(dense_tensor.numpy())
# 或者用tf.print直接打印计算图中的张量
tf.print(dense_tensor)

方法二：直接访问SparseTensor的核心属性 #

SparseTensor本身由三个关键部分组成：indices（非零元素的位置）、values（非零元素的值）、dense_shape（对应的密集张量形状），直接打印这三个属性就能精准看到所有有效条目：

# 打印非零元素的索引位置
print("非零元素索引：", sparse_tensor.indices.numpy())
# 打印对应索引的值
print("非零元素值：", sparse_tensor.values.numpy())
# 打印整体的密集形状
print("对应密集张量形状：", sparse_tensor.dense_shape.numpy())

这种方法适合不想生成密集张量（比如稀疏度很高、密集张量太大）的场景，直接看核心数据更高效。

内容的提问来源于stack exchange，提问作者Adair