Tensorflow相当于numpy.diff

Question

是否存在等于numpy.diff的张量流？

  

计算沿给定轴的第n个离散差值。

对于我的项目，我只需要n = 1

Answer 1

试试这个：

def tf_diff_axis_0(a):
    return a[1:]-a[:-1]

def tf_diff_axis_1(a):
    return a[:,1:]-a[:,:-1]

检查：

import numpy as np
import tensorflow as tf

x0=np.arange(5)+np.zeros((5,5))
sess = tf.Session()
np.diff(x0, axis=0) == sess.run(tf_diff_axis_0(tf.constant(x0)))
np.diff(x0, axis=1) == sess.run(tf_diff_axis_1(tf.constant(x0)))

Answer 2

我认为TensorFlow与numpy.diff相当，所以你必须实现它，这不应该是numpy.diff简单的切片和减法：

def diff(a, n=1, axis=-1):
    '''(as implemented in NumPy v1.12.0)'''
    if n == 0:
        return a
    if n < 0:
        raise ValueError(
            "order must be non-negative but got " + repr(n))
    a = asanyarray(a)
    nd = len(a.shape)
    slice1 = [slice(None)]*nd
    slice2 = [slice(None)]*nd
    slice1[axis] = slice(1, None)
    slice2[axis] = slice(None, -1)
    slice1 = tuple(slice1)
    slice2 = tuple(slice2)
    if n > 1:
        return diff(a[slice1]-a[slice2], n-1, axis=axis)
    else:
        return a[slice1]-a[slice2]

Answer 3

从 Tensorflow 2.4 开始，您可以使用 tf.experimental.numpy.diff。

请注意，存在不受支持的参数：prepend 和 append。