Question

我正在尝试执行将2D矩阵切片乘以常数的操作。

例如，如果我想将除前2列之外的所有内容相乘

要在numpy中执行此操作，可以执行以下操作：

a = np.array([[0,7,4],
              [1,6,4],
              [0,2,4],
              [4,2,7]])
a[:, 2:] = 2.0*a[:, 2:]

>> a
>> array([[ 0,  7,  8],
          [ 1,  6,  8],
          [ 0,  2,  8],
          [ 4,  2, 14]])

然而，至少从我搜索过的内容来看，tensorflow目前还没有直接的方法来做到这一点。

我目前的解决方案是将 a 最初创建为两个单独的张量a1和a2，将第二个乘以2.0，然后将它们连接到轴= 1。操作很简单，这是可能的。但是我有两个问题

这是最有效的方法吗
是否有更好的（一般/有效）方式来执行此操作以使功能更接近numpy的切片魔术（可能https://www.tensorflow.org/api_docs/python/tf/scatter_

Answer 1

一种选择是执行逐步乘法，如下所示：

import tensorflow as tf

a = tf.Variable(initial_value=[[0,7,4],[1,6,4],[0,2,4],[4,2,7]])
b = tf.mul(a,[1,1,2])

s=tf.InteractiveSession()
s.run(tf.global_variables_initializer())
b.eval()

打印

array([[ 0,  7,  8],
       [ 1,  6,  8],
       [ 0,  2,  8],
       [ 4,  2, 14]])

更一般地说，如果a有更多列，您可以执行以下操作：

import tensorflow as tf

a = tf.Variable(initial_value=[[0,7,4],[1,6,4],[0,2,4],[4,2,7]])
b = tf.mul(a,[1,1]+[2 for i in range(a.get_shape()[1]-2)])

s=tf.InteractiveSession()
s.run(tf.global_variables_initializer())
b.eval()

或者，如果你的矩阵有很多列，你可以替换

b = tf.mul(a,[1,1]+[2 for i in range(a.get_shape()[1]-2)])

与

import numpy as np
b = tf.mul(a,np.concatenate((np.array([1,1]),2*np.ones(a.get_shape()[1]-2))))

在Tensorflow中执行此基于切片的乘法的最有效方法

1 个答案: