Question

我有一个类型为float的3D张量x和一个类型为int的1D张量y。我想得到x的第二轴的每个切片的平均值，从0到对应于y的每个元素的索引。换句话说，如果x和y是numpy数组，我希望

In [1]: y = [1, 2, 1, 1]

In [2]: x = np.array([[[1,2],[3,4],[5,6]], [[1,2],[3,4],[5,6]], [[1,2],[3,4],[5,6]], [[1,2],[3,4],[5,6]]])

In [3]: np.array([np.mean(x[index, :item], axis=0) for index, item in enumerate(y)])
Out[22]: 
array([[ 1.,  2.],
       [ 2.,  3.],
       [ 1.,  2.],
       [ 1.,  2.]])

最简单的方法是什么？

Answer 1

在一般情况下，您可以使用tf.while_loop：

import numpy as np
import tensorflow as tf

y = tf.constant([1, 2, 1, 1])
x = tf.constant([[[1,2],[3,4],[5,6]],
                 [[1,2],[3,4],[5,6]],
                 [[1,2],[3,4],[5,6]],
                 [[1,2],[3,4],[5,6]]], dtype=np.float32)

y_len = tf.shape(y)[0]
idx = tf.zeros((), dtype=tf.int32)
res = tf.zeros((0,2))
_, res = tf.while_loop(
    lambda idx, res: idx < y_len,
    lambda idx, res: (idx + 1, tf.concat([res, tf.reduce_mean(x[idx, :y[idx]], axis=0)[tf.newaxis]], axis=0)),
    [idx, res],
    shape_invariants=[idx.get_shape(), tf.TensorShape([None, 2])])

sess = tf.InteractiveSession()
sess.run(tf.global_variables_initializer())
res.eval()

# returns
# array([[ 1.,  2.],
#        [ 2.,  3.],
#        [ 1.,  2.],
#        [ 1.,  2.]], dtype=float32)

在不太常见的情况下，y的长度在图形构造时已知，你可以在python中自己使用tf.while_loop和循环（如果{可能会产生一个大图形） {1}}有很多元素。）

请注意，您也可以简单地级联更新，与y_len = y.shape.num_elements() res = tf.Variable(np.zeros((y_len, 2), dtype=np.float32)) res = tf.tuple([res] + [res[idx].assign(tf.reduce_mean(x[idx, :y[idx]], axis=0)) for idx in range(y_len)])[0]的一般情况不同：

tf.while_loop

但现在更新需要按顺序进行。在前一个解决方案中，每行发生的更新是独立的，可以并行运行，我认为这样更好。

如何从张量流张量中获得不同尺寸的切片。

1 个答案: