首页 文章

TensorFlow，批量索引（第一维）和排序

提问于
浏览 次
4

我有一个形状为 (?,368,5) 的参数张量，以及一个形状为 (?,368) 的查询张量 . 查询张量存储用于对第一张量进行排序的索引 .

所需的输出具有形状： (?,368,5) . 由于我需要它用于神经网络中的损失函数，因此使用的操作应该保持可微 . 此外，在运行时，第一个轴 ? 的大小对应于batchsize .

到目前为止，我尝试了 tf.gather 和 tf.gather_nd ，但 tf.gather(params,query) 导致形状为 (?,368,368,5) 的张量 .

通过执行以下操作来实现查询张量：

query = tf.nn.top_k(params[:, :, 0], k=params.shape[1], sorted=True).indices

总的来说，我试图通过第三轴上的第一个元素对params张量进行排序（对于倒角距离的种类） . 最后要提到的是，我使用 Keras 框架 .

python sorting tensorflow indexing keras

1 回答

  • 2

    您需要将第一个维度的索引添加到 query ，以便将其与 tf.gather_nd 一起使用 . 这是一种方法：

    import tensorflow as tf
import numpy as np

np.random.seed(100)

with tf.Graph().as_default(), tf.Session() as sess:
    params = tf.placeholder(tf.float32, [None, 368, 5])
    query = tf.nn.top_k(params[:, :, 0], k=params.shape[1], sorted=True).indices
    n = tf.shape(params)[0]
    # Make tensor of indices for the first dimension
    ii = tf.tile(tf.range(n)[:, tf.newaxis], (1, params.shape[1]))
    # Stack indices
    idx = tf.stack([ii, query], axis=-1)
    # Gather reordered tensor
    result = tf.gather_nd(params, idx)
    # Test
    out = sess.run(result, feed_dict={params: np.random.rand(10, 368, 5)})
    # Check the order is correct
    print(np.all(np.diff(out[:, :, 0], axis=1) <= 0))
    # True
    回复于

相关问题