首页 文章

根据最内层维度的某个特定索引处的值，使用0表示张量张量

提问于
浏览 次
1

假设我有一个形状 [x, y, z] 的张量 A .

为了便于解释，我们假设 A 的形状为 [2,4,3] ：

[[[1,2,3],[2,2,3],[4,4,4],[1,1,1]], [[2,2,2],[2,2,2],[2,2,2],[3,3,3]]]

我想“掩盖”这个张量，这样，

如果最内层维度的索引1处的元素等于2，则周围的张量不应更改，否则它们都将更改为0 .

在这个例子中，张量应该变成

[[[1,2,3],[2,2,3],[0,0,0],[0,0,0]], [[2,2,2],[2,2,2],[2,2,2],[0,0,0]]]

tensorflow执行此操作的正确方法是什么？我已经尝试了几种方法，并受到以下事实的限制：使用包含可变大小张量的张量在张量流中是痛苦的 .

我能想到的唯一解决方案是使用 map_fn 迭代张量（直到-2维度） . 但使用 map_fn 很棘手，会伤害性能，因为

  • 如果我有更高等级的张量（比如4），则需要使用几个 map_fn 内部 map_fn .

  • map_fn 无法在GPU上运行并且可能会损害性能，尤其是在大型数据集的情况下 .

任何人都可以对此有所了解吗？

python tensorflow

2 回答

  • 1
    import tensorflow as tf

x = tf.constant([[[1,2,3],[2,2,3],[4,4,4],[1,1,1]], [[2,2,2],[2,2,2],[2,2,2],[2,3,3]]])

x_idx1 = x[..., 1]
mask = tf.cast(tf.equal(x_idx1, 2), tf.int32)
mask = tf.expand_dims(tf.cast(mask, x.dtype), -1)
masked_x = x * mask

with tf.Session() as sess:
    print(sess.run(masked_x))
    # [[[1 2 3], [2 2 3], [0 0 0], [0 0 0]]
    #  [[2 2 2], [2 2 2], [2 2 2], [0 0 0]]]))
    回复于
  • 1

    在这里，享受（测试）：

    import tensorflow as tf

a = tf.constant( [[[1,2,3],[2,2,3],[4,4,4],[1,1,1]], [[2,2,2],[2,2,2],[2,2,2],[3,3,3]]] )
a2 = a[ :, :, 1 ]
b = tf.where( tf.equal( a2, 2 ), tf.ones_like( a2 ), tf.zeros_like( a2 ) )[ :, :, None ]
c = tf.tile( b, [ 1, 1, a.get_shape()[ 2 ].value ] )
d = a * c

with tf.Session() as sess:
    print( sess.run ( d ) )

    输出：

    [[[1 2 3] [2 2 3] [0 0 0] [0 0 0]] [[2 2 2] [2 2 2] [2 2 2] [0 0 0]]]

    最有效的单行版本，包含来自Aldream's answer和comment的想法，尽管阅读起来不太清楚：

    import tensorflow as tf

a = tf.constant( [[[1,2,3],[2,2,3],[4,4,4],[1,1,1]], [[2,2,2],[2,2,2],[2,2,2],[3,3,3]]] )

b = a * tf.cast( tf.equal( a[ ..., 1 ], 2 ), a.dtype )[ ..., None ]

with tf.Session() as sess:
    print( sess.run ( b ) )

    输出：

    [[[1 2 3] [2 2 3] [0 0 0] [0 0 0]] [[2 2 2] [2 2 2] [2 2 2] [0 0 0]]]

    回复于

相关问题