Построить новый тензор из двух существующих в тензорном потоке

Question

Построить новый тензор из двух существующих в тензорном потоке

1

Я хочу построить новый тензор y с формой (b,n,c) из существующего тензора x с формой (b,m,c) с m<n и индексным тензором idx с формой (b,m) который говорит мне для каждой строки в x (длина c), где положить ее в y.

Пример с numpy:

import numpy as np
b=2
n=100
m=4
c=3
idx=np.array([[0,31,5,66],[1,73,34,80]]) # shape b x m
x=np.random.random((b,m,c))
y=np.zeros((b,n,c))
for i,cur_idx in enumerate(idx):
    y[i,cur_idx]=x[i]

Это приводит к массиву y который имеет нули всюду, кроме как в положениях, заданных idx где вставлено значение из x.

Мне нужна помощь, чтобы "перевести" этот фрагмент кода в shadoworflow.

Изменение: я не хочу создавать переменную, а скорее постоянный тензор, поэтому tf.scatter_update не может быть использован.

Merlin1896 05 июль 2018, в 12:15

Источник

0

tf.scatter может помочь.
xdurch0 05 июль 2018, в 09:43
0

Я предпочел бы не создавать переменную, а постоянный тензор. Я должен был уточнить это.
Merlin1896 05 июль 2018, в 09:46

Теги:

python

tensorflow

1 ответ

Ещё вопросы

Я предпочел бы не создавать переменную, а постоянный тензор. Я должен был уточнить это.

jdehesa · Accepted Answer · 2018-07-05T07-25-00.000Z

Вам нужно tf.scatter_nd:

import tensorflow as tf
import numpy as np

b = 2
n = 100
m = 4
c = 3

# Synthetic data
x = tf.reshape(tf.range(b * m * c), (b, m, c))
# Arbitrary indices: [0, 25, 50, 75], [1, 26, 51, 76]
idx = tf.convert_to_tensor(
    np.stack([np.arange(0, n, n // m) + i for i in range(b)], axis=0))

# Add index for the first dimension
idx = tf.concat([
    tf.tile(tf.range(b, dtype=idx.dtype)[:, tf.newaxis, tf.newaxis], (1, m, 1)),
    idx[:, :, tf.newaxis]], axis=2)

# Scatter operation
y = tf.scatter_nd(idx, x, (b, n, c))
with tf.Session() as sess:
    y_val = sess.run(y)
    print(y_val[:, 20:30, :])

Выход:

[[[ 0  0  0]
  [ 0  0  0]
  [ 0  0  0]
  [ 0  0  0]
  [ 0  0  0]
  [ 3  4  5]
  [ 0  0  0]
  [ 0  0  0]
  [ 0  0  0]
  [ 0  0  0]]

 [[ 0  0  0]
  [ 0  0  0]
  [ 0  0  0]
  [ 0  0  0]
  [ 0  0  0]
  [ 0  0  0]
  [15 16 17]
  [ 0  0  0]
  [ 0  0  0]
  [ 0  0  0]]]