У меня такой тензор
...
0
0
2
0
1
0
3
1
0
0
0
0
2
3
...
и я должен найти способ создать тензор той же формы, но только с 0 и 1. Он должен находиться в том же положении, что и конкретное число. Вот пример
# for number 2
...
0
0
1
0
0
0
0
0
0
0
0
0
1
0
...
Есть ли встроенная функция, которая может это сделать? Я не могу найти что-либо в Интернете и в документации.
Тогда я должен умножить этот тензор на список чисел, подобных этому
l = [..., 1.3, 4.3, ...]
для получения этого
...
0
0
1.3
0
0
0
0
0
0
0
0
0
4.3
0
...
Есть ли способ получить этот результат?
редактировать
У меня возникли проблемы с применением этого метода в моем случае. Я объясню это. Мой тензор, в котором нужно принимать индексы, выглядит следующим образом:
points = tf.constant([[[0], [1], [0], [2], [1], [0], [2], [2], [0], [1]],
[[1], [2], [0], [0], [1], [0], [1], [2], [0], [2]],
[[0], [2], [1], [0], [2], [0], [1], [2], [0], [1]]], dtype=tf.float32)
# shape=(3, 10, 1)
Я должен принимать индексы только первого ряда, поэтому я беру их таким образом
idx = tf.cast(tf.where(tf.equal(tf.slice(points, [0, 0, 0], [1, 10, 1]), tf.constant([2], dtype=tf.float32))), dtype=tf.int32)
# shape=(3, 3)
idx = tf.expand_dims(idx, 0)
# shape=(1, 3, 3)
Значения для подачи находятся внутри списка, называемого vectors
и я преобразовал их в одну и ту же форму
to_feed = np.expand_dims(np.array(vectors), 0)
# shape=(1, 3, 3)
и затем применяю метод таким образом
res = tf.scatter_nd(idx, to_feed, tf.shape(tf.slice(points, [0, 0, 0], [1, 10, 3])))
Но я получаю эту ошибку
ValueError: The inner 0 dimensions of output.shape=[?,?,?] must match the inner 1 dimensions of updates.shape=[1,3,3]: Shapes must be equal rank, but are 0 and 1 for 'ScatterNd' (op: 'ScatterNd') with input shapes: [1,3,3], [1,3,3], [3].
То, что мне нужно в конце, является тензором, подобным этому
to_feed = [[[10, 10, 10], [11, 11, 11], [12, 12, 12]]] # shape=(1, 3, 3)
res = [[[0, 0, 0], [10, 10, 10], [0, 0, 0], [11, 11, 11], [0, 0, 0], [0, 0, 0], [0, 0, 0], [0, 0, 0], [12, 12, 12], [0, 0, 0]]] # shape=(1, 10, 3)
([0, 0, 0]
помещаются случайным образом, чтобы иметь представление)
Вы можете просто сравнить с tf.equal
а затем преобразовать логический результат в число с помощью tf.cast
:
import tensorflow as tf
vector = tf.placeholder(tf.int32, [None])
num = tf.placeholder(tf.int32, [])
result = tf.cast(tf.equal(vector, num), tf.int32)
with tf.Session() as sess:
print(sess.run(result, feed_dict={vector: [0, 0, 2, 1, 0, 3, 2, 0], num: 2}))
Выход:
[0 0 1 0 0 0 1 0]
РЕДАКТИРОВАТЬ:
Вышеупомянутый решает более простой первый вопрос, но я думаю, что вам нужно решить вашу проблему, это что-то вроде следующего: tf.where
и tf.scatter_nd
:
import tensorflow as tf
vector = tf.placeholder(tf.int32, [None])
num = tf.placeholder(tf.int32, [])
values = tf.placeholder(tf.float32, [None])
idx = tf.where(tf.equal(vector, num))
result = tf.scatter_nd(idx, values, tf.cast(tf.shape(vector), idx.dtype))
with tf.Session() as sess:
print(sess.run(result, feed_dict={vector: [0, 2, 1, 2, 3, 2, 2, 0],
num: 2,
values: [3, 4.4, 2, 2.2]}))
Выход:
[0. 3. 0. 4.4 0. 2. 2.2 0. ]
РЕДАКТИРОВАТЬ:
В вашем последнем примере я собрал фрагмент для того, что, как я думаю, вы пытаетесь достичь:
import tensorflow as tf
points = tf.constant([[[0], [1], [0], [2], [1], [0], [2], [2], [0], [1]],
[[1], [2], [0], [0], [1], [0], [1], [2], [0], [2]],
[[0], [2], [1], [0], [2], [0], [1], [2], [0], [1]]], dtype=tf.float32)
vectors = tf.constant([[10, 11, 12], [20, 21, 22], [30, 31, 21]], dtype=tf.float32)
points_row = points[:1]
idx = tf.where(tf.equal(points_row, 2))
idx = tf.cast(idx, tf.int32)
res_shape = tf.concat([tf.shape(points_row), [tf.shape(vectors)[1]]], axis=0)
res = tf.scatter_nd(idx, vectors, res_shape)
res = tf.squeeze(res, 2)
with tf.Session() as sess:
print(sess.run(res))
Выход:
[[[ 0. 0. 0.]
[ 0. 0. 0.]
[ 0. 0. 0.]
[10. 11. 12.]
[ 0. 0. 0.]
[ 0. 0. 0.]
[20. 21. 22.]
[30. 31. 21.]
[ 0. 0. 0.]
[ 0. 0. 0.]]]
*
оператора (при условии, что они имеют совместимые размеры). Просто обратите внимание, что вам, вероятно, придется приводить результат так, чтобы типы данных соответствовали (например, если ваш второй тензор имеет типtf.float32
, то вы должны использоватьtf.cast
вместо негоtf.int32
).