Question

在numpy代码中，如果希望相同的id获得相同的值，则可以例如：

input_data = np.array([0.1, 0.2, 0.3])
input_ids = np.array([0, 1, 2])
output_ids = np.array([2, 0, 1, 0])
output_data = np.array([0.1, 0.1, 0.1, 0.1])
for i in input_ids:
    output_data[output_ids == i] = input_data[input_ids == i]
print(output_data)

输出：[0.3 0.1 0.2 0.1]

注意：input_ids = unique（input_ids），开头是唯一的。

在tensorflow中，我如何执行这种代码，我应该使用哪种功能。有类似的例子吗？

input_data：一个张量，可以是float64，float 32
output_data：一个张量，与input_data类型相同
input_ids：一个张量，必须为int32或int64。
output_ids：张量，必须为int32或int64。

Answer 1

我将按照复杂性的升序为您提供一些选择。在最简单的情况下，input_ids始终是从0开始的整数序列，对应于input_data（[0, 1, 2, ...]）的索引。在这种情况下，您只需执行以下操作即可：

import tensorflow as tf

with tf.Graph().as_default(), tf.Session() as sess:
    input_data = tf.constant([0.1, 0.2, 0.3])
    output_ids = tf.constant([2, 0, 1, 0])
    output_data = tf.gather(input_data, output_ids)
    print(sess.run(output_data))
    # [0.3 0.1 0.2 0.1]

如果input_ids与input_data的索引不对应，但仍按升序排序，则可以执行以下操作：

import tensorflow as tf

with tf.Graph().as_default(), tf.Session() as sess:
    input_data = tf.constant([0.1, 0.2, 0.3])
    input_ids = tf.constant([-2, 0, 4])
    output_ids = tf.constant([4, -2, 0, -2])
    output_idx = tf.searchsorted(input_ids, output_ids)
    output_data = tf.gather(input_data, output_idx)
    print(sess.run(output_data))
    # [0.3 0.1 0.2 0.1]

最一般的情况是input_ids是未排序的整数数组。在这种情况下，您可以执行以下操作：

import tensorflow as tf

with tf.Graph().as_default(), tf.Session() as sess:
    input_data = tf.constant([0.1, 0.2, 0.3])
    input_ids = tf.constant([3, 1, 6])
    output_ids = tf.constant([6, 3, 1, 3])
    # From TF v1.13
    s = tf.argsort(input_ids)
    # Before TF v1.13
    s = tf.contrib.framework.argsort(input_ids)
    output_idx_s = tf.searchsorted(tf.gather(input_ids, s), output_ids)
    output_data = tf.gather(input_data, tf.gather(s, output_idx_s))
    print(sess.run(output_data))
    # [0.3 0.1 0.2 0.1]

当然，在所有情况下，您都可以使用二次解，将input_ids中的每个值与output_ids中的每个值进行比较。我将在下面编写它以供参考，但是与以前相比，它的时间和内存效率较低，因此实际上没有理由更喜欢它。

import tensorflow as tf

with tf.Graph().as_default(), tf.Session() as sess:
    input_data = tf.constant([0.1, 0.2, 0.3])
    input_ids = tf.constant([3, 1, 6])
    output_ids = tf.constant([6, 3, 1, 3])
    eq = tf.equal(tf.expand_dims(output_ids, 1), input_ids)
    output_idx = tf.argmax(tf.cast(eq, tf.int8), axis=1)
    output_data = tf.gather(input_data, output_idx)
    print(sess.run(output_data))
    # [0.3 0.1 0.2 0.1]

编辑：正如giser_yugang所指出的，也可能存在并非output_ids中的所有值都在input_ids中的情况。在这种情况下，将使用output_data的初始值。您可以通过以下方式实现该目标：

import tensorflow as tf

with tf.Graph().as_default(), tf.Session() as sess:
    input_data = tf.constant([0.1, 0.2, 0.3])
    input_ids = tf.constant([3, 1, 6])
    output_data = tf.constant([0., 0., 0., 0., 0.])
    output_ids = tf.constant([6, 3, 1, 3, 0])
    # From TF v1.13
    s = tf.argsort(input_ids)
    # Before TF v1.13
    s = tf.contrib.framework.argsort(input_ids)
    input_ids_s = tf.gather(input_ids, s)
    n = tf.size(input_ids)
    output_idx_s = tf.minimum(tf.searchsorted(input_ids_s, output_ids), n - 1)
    output_data = tf.where(tf.equal(output_ids, tf.gather(input_ids_s, output_idx_s)),
                           tf.gather(input_data, tf.gather(s, output_idx_s)),
                           output_data)
    print(sess.run(output_data))
    # [0.3 0.1 0.2 0.1 0. ]

张量流中的output_data [output_ids == i] = input_data [input_ids == i]

1 个答案: