Question

在numpy中，有两个形状相同的数组x和y，可以像y[x > 1]一样进行切片。你如何在张量流中获得相同的结果？ y[tf.greater(x, 1)]不起作用，tf.slice也不支持此类内容。有没有办法立即使用布尔张量进行索引或当前是否支持？

Answer 1

尝试：

ones = tf.ones_like(x) # create a tensor all ones
mask = tf.greater(x, ones) # boolean tensor, mask[i] = True iff x[i] > 1
slice_y_greater_than_one = tf.boolean_mask(y, mask)

请参阅tf.boolean_mask

编辑：另一种（更好？）方式：

import tensorflow as tf

x = tf.constant([1, 2, 0, 4])
y = tf.Variable([1, 2, 0, 4])
mask = x > 1
slice_y_greater_than_one = tf.boolean_mask(y, mask)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print (sess.run(slice_y_greater_than_one)) # [2 4]

Answer 2

我不会说它完全没有实现。对于双重否定而言，这是怎样的？

Tensorflow实际上支持相当多的切片和切块，尽管语法可能稍微不那么漂亮。例如，如果要在y时创建一个等于x>1的新数组，否则等于0，那么你肯定可以这样做。查看comparison operators例如

masked = tf.greater(x,1)
zeros = tf.zeros_like(x)
new_tensor = tf.where(masked, y, zeros)

另一方面，如果要创建一个新数组，其中只包含x>1的人，可以将where与gather函数合并。有关gather的详细信息，请访问

https://www.tensorflow.org/versions/master/api_docs/python/array_ops/slicing_and_joining

PS。当然，x>1在x方面是不可区分的... ... tf可能很好，但它并不起作用魔法:)。

Answer 3

目前尚未实施，此处是跟踪进度的GitHub问题 - https://github.com/tensorflow/tensorflow/issues/206

Answer 4

tf.boolean_mask完成这项工作，但在某些平台上，例如Raspberry Pi或OSX，Tensorflow轮分发中不支持该操作（请检查tf.boolean_mask not supported on OSX。所以另一种方法是使用where和@Jackson Loper建议的gather。例如：

x = tf.Variable([1, 2, 0, 4])
ix = tf.where(x > 1)
y = tf.gather(x, ix)

with tf.Session() as sess:
 sess.run(tf.global_variables_initializer())
 print(sess.run(y))

Answer 5

正在寻找类似的功能来按定义的标准减少TensorFlow.js张量，但TensorFlow.js没有boolean_mask函数。经过大量的拔发和咬牙切齿的工作后，烹饪了以下内容，该步骤实质上汇总了真实条件的总数，然后简单地选择topk值来创建子集张量。

const a = tf.tensor1d([1, 2, 0, 4]);
const b = a.greater(1).sum().get();
const {values, indices} = tf.topk(a, b);
values.print();   # 4,2
indices.print();  # 3,1

要创建一个值小于或等于1的子集张量，就可以在张量上使用tf.neg，因为没有bottomk函数，然后通过topk获得子集张量后，应用tf.neg再次恢复原始值。

使用布尔张量进行Tensorflow索引

5 个答案: