Question

在Python 3.X + TensorFlow中，如果我有两个TF矢量，point_x和point_y（相同形状）代表一些指针的X和Y坐标，我如何找到所有唯一点？

我能够使用一个复杂的向量在Theano中一起破解它，其中X在真实中，Y在虚部中：

complex_points = point_x + point_y * 1j
unique_points, idxs, groups = T.extra_ops.Unique(True, True, False)(complex_points)

尝试的TF等同于：

complex_points = tf.complex(point_x, point_y)
unique_points, groups = tf.unique(complex_points)

TensorFlow失败，例如：

InvalidArgumentError: No OpKernel was registered to support Op 'Unique' with these attrs.
... # supported types include the float/int/string types, no complex types
[[Node: Unique_1 = Unique[T=DT_COMPLEX64, out_idx=DT_INT32](Complex_1)]]

显然，没有人实施/注册过＆＃34;独特＆＃34;的复杂版本。运。知道如何完成这项任务吗？

Answer 1

嗯，这是一个甚至是黑客的解决方案：使用位级转换。

如果你的张量都是tf.float32类型，你可以使用：

xy = tf.transpose(tf.pack([point_x, point_y]))
xy64 = tf.bitcast(xy, type=tf.float64)
unique64, idx = tf.unique(xy64)
unique_points = tf.bitcast(unique64, type=tf.float32)

这背后的原理是将x和y坐标放在一起，让TensorFlow将（x，y）对视为更长的浮点数，然后tf.unique适用于这个1-D张量。最后，根据需要将较长的浮点数转换为两个真正的浮点数。

注意：这种方法非常黑客，你有遭受楠或无限或某些奇怪价值的风险。但机会真的很渺茫。

另一个可能的解决方法是，如果您的数据类型是整数，则可以将两个整数打包成一个整数，就像编译器将二维索引转换为一维索引时所做的那样。比方说，如果x = [1,2,3,2]，y = [0,1,0,1]，你可以用x * 10 + y将x和y压缩成一个张量（10是一个足够大的数字。任何大于max（y）的值都应该有效，然后在这个压缩数组中找到唯一值。

最后，如果你没有任何理由在TensorFlow中做到这一点，那么最好在外面做，比如说，在numpy中。您可以评估张量，并删除numpy中的重复值，然后使用这些numpy数组生成新的张量并将其提供给网络的其余部分。

在Tensorflow中查找唯一的值对

1 个答案: