支持的，可以参考：https://www.paddlepaddle.org.cn/documentation/docs/zh/1.5/api_cn/layers_cn/io_cn.html#data

将type设置为：VarType.SELECTED_ROWS

稍后给你贴个例子。

@seiriosPlus

好的，谢谢，我就是想用稀疏输入的方式实现一个LR模型，输入是大量的离散型特征(如id、tags这些)

参考model下的ctr模型， 里面有dnn/deepFM等。

https://github.com/PaddlePaddle/models/tree/develop/PaddleRec/ctr

看了一下是用embedding的权重来作为LR模型W是吧，请问下面这样等价于LR吗？

first_embeddings = fluid.layers.embedding(
            input=input, dtype='float32', size=[emb_dict_size, 2], is_sparse=True)
        first_order = fluid.layers.sequence_pool(input=first_embeddings, pool_type='sum')
        first_order = fluid.layers.reshape(first_order, (-1, 1, 2))
        fc = layers.softmax(first_order)
        loss = layers.cross_entropy(input=fc, label=label)

embedding的权重不是LR的Weight, 你这段代码不等价于lr

好吧，那有没有对应下面这个代码的fluid实现LR的例子呢？输入特征包括单值离散【user id】、多值离散【tags】

self.x = layer.data( name='x', type=dtype.sparse_binary_vector(self.input_dim))
self.y = layer.fc(name='y', input=self.x, size=1,act=paddle.activation.Sigmoid(),param_attr=ParamAttr(name='w', sparse_update=True,)