Question

在我看来，numpy函数bincount非常有用且易于使用，所以我自然会在TensorFlow中使用模拟函数。最近我了解到，遗憾的是tf.bincount没有GPU支持（正如您可以阅读here）。有没有其他方法可以在TensorFlow 中使用 GPU并且有效地进行加权直方图（如下例所示）？

sess = tf.Session()

values = tf.random_uniform((1,50),10,20,dtype = tf.int32)
weights = tf.random_uniform((1,50),0,1,dtype = tf.float32)

counts = tf.bincount(values, weights = weights)

histogram = sess.run(counts)
print(histogram)

Answer 1

根据ekelsen on GitHub的建议，tf.bincount的高效且GPU支持的替代方法是tf.unsorted_segment_sum。您可以在documentation中阅读，您可以使用权重为data的函数，值为segments_ids。第三个参数num_segments应该≥Bitcount返回的直方图的大小（如果＆gt;您将在前一个直方图的最后一个之后只有零个元素）。在上面的例子中，它将是：

sess = tf.Session()

values = tf.random_uniform((1,50),10,20,dtype = tf.int32)
weights = tf.random_uniform((1,50),0,1,dtype = tf.float32)
bins = 50
counts = tf.unsorted_segment_sum(weights, values, bins)

histogram = sess.run(counts)
print(histogram)

和输出：

[ 0.          0.          0.          0.          0.          
  0.          0.          0.          0.          0.          
  2.92621088  1.12118244  2.79792929  0.96016133  2.75781202  
  2.55233836  2.71923089  0.75750649  2.84039998  3.41356659  
  0.          0.          0.          0.          0.          
  0.          0.          0.          0.          0.        ]

Tensorflow：有没有办法建立一个没有tf.bincount的加权直方图？

1 个答案: