首页 文章

计算tensorflow中每个维度中元素的数量

提问于
浏览 次
1

假设我有一个形状 (batch_size, n) 的张量 y ，它包含整数 . 我正在寻找一个张量流函数，它从输入 y 创建两个新的张量 .

第一个返回值 w1 应该具有形状 (batch_size, n) 并且包含在位置 b,i ，一个超过 y[b,i] 中整数 y[b,i] 中出现的次数 . 如果 y[b,i] 为零，那么 w1[b,i]=0 . 例：

第二个返回值 w2 应该只包含 y 的每个批次（或行）中不同整数（0除外）的数字 .

y=np.array([[ 0,  0, 10, 10, 24, 24],  [99,  0,  0, 12, 12, 12]])
w1,w2= get_w(y)
#w1=[[0 , 0 , 0.5, 0.5, 0.5, 0.5],  [1, 0, 0, 0.33333333, 0.33333333, 0.33333333]]
#w2=[0.5,0.5]

那么，我怎样才能得到张量流呢？

python tensorflow

2 回答

  • 0

    我不知道tensorflow中产生这个的任何单个函数，但是使用列表理解来实现它是相对简单的：

    import tensorflow as tf
import numpy as np

y = np.array([[ 0,  0, 10, 10, 24, 24],  [99,  0,  0, 12, 12, 12]])
y_ = [list(a) for a in y]

w1 = [[b.count(x)**(-1.0) if x != 0 else 0 for x in b ] for b in y_]
w2 = [len(set(b) - set([0]))**(-1.0) for b in y_]

w1
>>>[[0, 0, 0.5, 0.5, 0.5, 0.5], [1.0, 0, 0, 0.3333333333333333, 0.3333333333333333, 0.3333333333333333]]
w2
>>>[0.5, 0.5]

data_w1 = np.asarray(w1, np.float32)
data_w2 = np.asarray(w2, np.float32)

data_w1 = tf.convert_to_tensor(data_w1, np.float32)
data_w2 = tf.convert_to_tensor(data_w2, np.float32)
    回复于
  • 2

    你可以使用tf.unique_with_counts：

    y = tf.constant([[0,0,10,10,24,24],[99,0,0,12,12,12]], tf.int32)

out_g = []
out_c = []
#for each row
for w in tf.unstack(y,axis=0):
    # out gives unique elements in w 
    # idx gives index to the input w
    # count gives the count of each element of out in w
    out,idx, count = tf.unique_with_counts(w)

    #inverse of total non zero elements in w
    non_zero_count = 1/tf.count_nonzero(out)

    # gather the inverse of non zero unique counts
    g = tf.cast(tf.gather(1/count,idx), tf.float32) * tf.cast(tf.sign(w), tf.float32)
    out_g.append(g)
    out_c.append(non_zero_count)
out_g = tf.stack(out_g)
out_c = tf.stack(out_c)

with tf.Session() as sess:
   print(sess.run(out_g))
   print(sess.run(out_c))

#Output:

#[[0.   0.    0.5   0.5        0.5        0.5       ]
#[1.    0.    0.    0.33333334 0.33333334 0.33333334]]

# [0.5 0.5]
    回复于

相关问题