Question

抱歉标题不准确。以下是问题的详细说明：假设形状(?, 2)的张量，例如，张量 T [[0,1], [0,2], [0,0], [1, 4], [1, 3], [2,0], [2,0], [2,0],[2,0]]。如何计算每T[:, 0]出现的零数。对于上面的示例，因为有[0,0]和[2,0]，答案是2。

更多例子：

[[0,1], [0,2], [0,1], [1, 4], [1, 3], [2,0], [2,0], [2,0],[2,0]]（答案：1，因为[2,0]）
[[0,1], [0,2], [0,1], [1, 4], [1, 3], [2,0], [2,0], [2,0],[2,0],[3,0]]（答案：2，因为[2, 0]和[3,0]）

Answer 1

如果我得到你想要的东西，问题是你在数据中有多少独特的“[X，0]对”。如果是这样，应该这样做：

import tensorflow as tf
x = tf.placeholder(shape=(None, 2), dtype=tf.int32)
indices = tf.where(tf.equal(x[:,1], tf.constant(0, dtype=tf.int32)))
unique_values, _ = tf.unique(tf.squeeze(tf.gather(x[:, 0], indices)))
no_unique_values = tf.shape(unique_values, out_type=tf.int32)

data = [ .... ]

with tf.Session() as sess:
    no_unique = sess.run(fetches=[no_unique_values], feed_dict={x: data})

Answer 2

这是我自己的解决方案

def get_unique(ts):
    ts_part = ts[:, 1]
    where = tf.where(tf.equal(0, ts_part))
    gather_nd = tf.gather_nd(ts, where)
    gather_plus = gather_nd[:, 0] + gather_nd[:, 1]
    unique_values, _ = tf.unique(gather_plus)
    return tf.shape(unique_values)[0]

压平批次中索引2处的张量流计数为0

2 个答案: