Question

就像问题所说，我试图从张量中删除所有零向量（即[0, 0, 0, 0]）。

鉴于：

array([[ 0.        ,  0.        ,  0.        ,  0.        ],
   [ 0.19999981,  0.5       ,  0.        ,  0.        ],
   [ 0.4000001 ,  0.29999995,  0.10000002,  0.        ],
   ..., 
   [-0.5999999 ,  0.        , -0.0999999 , -0.20000005],
   [-0.29999971, -0.4000001 , -0.30000019, -0.5       ],
   [ 0.        ,  0.        ,  0.        ,  0.        ]], dtype=float32)

我尝试过以下代码（灵感来自this SO）：

x = tf.placeholder(tf.float32, shape=(10000, 4))

zeros_vector = tf.zeros(shape=(1, 4), dtype=tf.float32)
bool_mask = tf.not_equal(x, zero_vector)

omit_zeros = tf.boolean_mask(x, bool_mask)

但是bool_mask似乎也有形状（10000,4），就像它将x张量中的每个元素都比较为零，而不是行。

我考虑过使用tf.reduce_sum，其中整行为零，但这也会省略[1, -1, 0, 0]之类的行，我不希望这样。

想法？

Answer 1

一种可能的方法是对行的绝对值求和，这样它就不会省略[1, -1, 0, 0]之类的行，然后将其与零向量进行比较。你可以这样做：

intermediate_tensor = reduce_sum(tf.abs(x), 1)
zero_vector = tf.zeros(shape=(1,1), dtype=tf.float32)
bool_mask = tf.not_equal(intermediate_tensor, zero_vector)
omit_zeros = tf.boolean_mask(x, bool_mask)

Answer 2

我尝试了Rudresh Panchal的解决方案，但它对我不起作用。也许由于版本更改。我在第一行中发现了Tipo：reduce_sum(tf.abs(x), 1)-> tf.reduce_sum(tf.abs(x), 1)。

此外，bool_mask具有等级2而不是等级1，这是必需的：张量：N-D张量。 mask：K-D布尔张量，K <= N和K必须是静态已知的。换句话说，bool_mask的形状必须例如为[6]而不是[1,6]。 tf.squeeze可以很好地缩小尺寸。

对我有用的正确代码：

intermediate_tensor = tf.reduce_sum(tf.abs(x), 1)
zero_vector = tf.zeros(shape=(1,1), dtype=tf.float32)
bool_mask = tf.squeeze(tf.not_equal(intermediate_tensor, zero_vector))
omit_zeros = tf.boolean_mask(x, bool_mask)

Answer 3

只需将张量转换为tf.bool并将其用作布尔掩码：

boolean_mask = tf.cast(x, dtype=tf.bool)              
no_zeros = tf.boolean_mask(x, boolean_mask, axis=0)

从TensorFlow中的矩阵中删除零向量

3 个答案: