У меня есть 2D
матрица NxN
которой есть элементы из набора действительных чисел. Мне нужно определить из него верхние n
DxD
-подматриц, чтобы их сумма была максимальной и возвращала верхний левый индекс подматриц. Мне нужно сделать это в Tensorflow.
Например, у меня есть следующая матрица 4x4
:
[1 1 4 4]
[1 1 4 4]
[3 3 2 2]
[3 3 2 2]
Мне нужно определить 2 подматрицы, которые имеют наибольшую сумму и возвращают их верхний левый индекс. В приведенном выше случае 2 подматрицы с наибольшей и второй по величине суммой:
[[4 4] [[3 3]
[4 4]] & [3 3]]
Мне нужно вернуть [[0,2],[2,0]]
, верхние левые индексы к обеим матрицам. Благодарю.
Вы можете получить это со следующим фрагментом. Идея состоит в том, чтобы построить тензор, содержащий индексы строк и столбцов каждого элемента каждой подматрицы, а затем суммировать подматрицы и найти наибольшие суммы.
import tensorflow as tf
# Input data
input = tf.placeholder(tf.int32, [None, None])
# Submatrix dimension
dims = tf.placeholder(tf.int32, [2])
# Number of top submatrices to find
k = tf.placeholder(tf.int32, [])
# Sizes
input_shape = tf.shape(input)
rows, cols = input_shape[0], input_shape[1]
d_rows, d_cols = dims[0], dims[1]
subm_rows, subm_cols = rows - d_rows + 1, cols - d_cols + 1
# Index grids
ii, jj = tf.meshgrid(tf.range(subm_rows), tf.range(subm_cols), indexing='ij')
d_ii, d_jj = tf.meshgrid(tf.range(d_rows), tf.range(d_cols), indexing='ij')
# Add indices
subm_ii = ii[:, :, tf.newaxis, tf.newaxis] + d_ii
subm_jj = jj[:, :, tf.newaxis, tf.newaxis] + d_jj
# Make submatrices tensor
subm = tf.gather_nd(input, tf.stack([subm_ii, subm_jj], axis=-1))
# Add submatrices
subm_sum = tf.reduce_sum(subm, axis=(2, 3))
# Use TopK to find top submatrices
_, top_idx = tf.nn.top_k(tf.reshape(subm_sum, [-1]), tf.minimum(k, tf.size(subm_sum)))
# Get row and column
top_row = top_idx // subm_cols
top_col = top_idx % subm_cols
result = tf.stack([top_row, top_col], axis=-1)
# Test
with tf.Session() as sess:
mat = [
[1, 1, 4, 4],
[1, 1, 4, 4],
[3, 3, 2, 2],
[3, 3, 2, 2],
]
print(sess.run(result, feed_dict={input: mat, dims: [2, 2], k: 2}))
Выход:
[[0 2]
[1 2]]
Обратите внимание, что выход в этом случае равен [0, 2]
и [1, 2]
, но не [2, 0]
. Это потому, что подматрица, начиная с [1, 2]
суммирует ту же сумму, что и в [2, 0]
, и она есть в матрице, если вы ее повторяете по строкам. Если вы пройдете k: 3
в тесте, вы также получите [2, 0]
в результате.
result
являются индексами, так на чем же должна основываться их производная? Вы бы взяли tf.diff
на input
(то есть рассматриваете input
как оценку непрерывной функции)?
[[1, 4], [1, 4]]
и[[1, 4], [3, 2]]
являются действительными подматрицами, верно?