Question

我正在尝试在2D数组的单个轴上使用指定的切片执行局部归约。

我使用numpy的UIStatusBarManager *manager = [UIApplication sharedApplication].keyWindow.windowScene.statusBarManager; CGRect statusBarFrame = manager.statusBarFrame;或numpy.ufunc.reduceat实现了这一点，但是我想在tensorflow中做同样的事情，因为此reduce操作的输入是tensorflow卷积的输出。

我遇到了numpy.add.reduceat，但不确定如何在我的情况下使用。

如果我可以在Tensorflow中执行tf.math.reduce_sum操作，那将非常好，因为我可以利用GPU。

Answer 1

您可以使用tf.math.segment_sum做几乎相同的事情：

import tensorflow as tf
import numpy as np

def add_reduceat_tf(a, indices, axis=0):
    a = tf.convert_to_tensor(a)
    indices = tf.convert_to_tensor(indices)
    # Transpose if necessary
    transpose = not (isinstance(axis, int) and axis == 0)
    if transpose:
        axis = tf.convert_to_tensor(axis)
        ndims = tf.cast(tf.rank(a), axis.dtype)
        a = tf.transpose(a, tf.concat([[axis], tf.range(axis),
                                       tf.range(axis + 1, ndims)], axis=0))
    # Make segment ids
    r = tf.range(tf.shape(a, out_type=indices.dtype)[0])
    segments = tf.searchsorted(indices, r, side='right')
    # Compute segmented sum and discard first unused segment
    out = tf.math.segment_sum(a, segments)[1:]
    # Transpose back if necessary
    if transpose:
        out = tf.transpose(out, tf.concat([tf.range(1, axis + 1), [0],
                                           tf.range(axis + 1, ndims)], axis=0))
    return out

# Test
np.random.seed(0)
a = np.random.rand(5, 10).astype(np.float32)
indices = [2, 4, 7]
axis = 1
# NumPy computation
out_np = np.add.reduceat(a, indices, axis=axis)
# TF computation
with tf.Graph().as_default(), tf.Session() as sess:
    out = add_reduceat_tf(a, indices, axis=axis)
    out_tf = sess.run(out)
# Check result
print(np.allclose(out_np, out_tf))
# True

您可以将上面的tf.math.segment_sum替换为您要使用的归约函数。它与实际的np.ufunc.reduceat之间的唯一区别是特殊情况indices[i] >= indices[i + 1]。发布的函数要求对indices进行排序，并且如果存在indices[i] == indices[i + 1]在输出中对应的i位置为零而不是a[indices[i]]的情况。

在张量流中的单个轴上使用指定的切片进行局部约简

1 个答案: