Question

嗨，我有一个稀疏格式的浮点[时间，位置]坐标数组，例如

times = [0.1, 0.1, 1.5, 1.9, 1.9, 1.9]
posit = [2.1, 3.5, 0.4, 1.3, 2.7, 3.5]

和一系列速度，例如

vel = [0.5,0.7,1.0]

我必须将i次的每个位置乘以i的第vel个元素。

numpy非常简单，有一个for：

import numpy

times = numpy.array([0.1, 0.1, 1.5, 1.9, 1.9, 1.9])
posit = numpy.array([2.1, 3.5, 0.4, 1.3, 2.7, 3.5])

vel = numpy.array([0.5,0.7,1.0])

uniqueTimes = numpy.unique(times, return_index=True)
uniqueIndices = uniqueTimes[1]
uniqueTimes = uniqueTimes[0]

numIndices = numpy.size(uniqueTimes)-1
iterator = numpy.arange(numIndices)+1
for i in iterator:
    posit[uniqueIndices[i-1]:uniqueIndices[i]] = posit[uniqueIndices[i-1]:uniqueIndices[i]]*vel[i-1]

在tensorflow中，我可以收集我需要的所有信息

import tensorflow as tf

times = tf.constant([0.1, 0.1, 1.5, 1.9, 1.9, 1.9])
posit = tf.constant([2.1, 3.5, 0.4, 1.3, 2.7, 3.5])

vel = tf.constant([0.5,0.7,1.0])   

uniqueTimes, uniqueIndices, counts = tf.unique_with_counts(times)
uniqueIndices = tf.cumsum(tf.pad(tf.unique_with_counts(uniqueIndices)[2],[[1,0]]))[:-1]

但我无法确定如何使用该产品。使用int元素，我可以使用稀疏到密集的张量并使用tf.matmul，但float我无法使用map_fn。此外，循环很困难，因为while_loop和positions需要每个＆＃39;行的相同大小，但我每次都有不同的位置数。出于同样的原因，我每次都无法单独工作，并使用tf.concat更新最终的scatter_update张量。有帮助吗？也许使用times [0.1, 0.1, 0.2, 0.2] posit [58.98962402, 58.9921875, 60.00390625, 60.00878906] vel [0.99705114,0.99974157]或变量分配？

根据vijai m的回答，我在numpy和tensorflow代码之间的差异高达1.5％。您可以使用这些数据进行检查

np: [ 58.81567188  58.8182278   60.00390625  60.00878906]
tf: [ 58.81567001  58.81822586  59.98839951  59.9932785 ]
differences: [  1.86388465e-06   1.93737304e-06   1.55067444e-02   1.55105566e-02]

他们返回

public int solution(final int N) {

//Convert number to Binary string
String bin = Integer.toString(N, 2);

System.out.println("binary equivalent = " + bin);
int gap = 0;
int maxGap = 0;


for (int i = 1; i < bin.length(); i++) {

  if (bin.charAt(i) == '0') {
    gap++;
  }
  else if (bin.charAt(i) == '1') {

    if (gap > maxGap) {
      maxGap = gap;
    }
    gap = 0;
  }

  }
 return maxGap;
}

Answer 1

你的numpy代码不起作用。我希望这就是你要找的东西：

uniqueTimes, uniqueIndices, counts = tf.unique_with_counts(times)
out = tf.gather_nd(vel,uniqueIndices[:,None])*posit

Tensorflow：对张量中的特定元素求和/生成数组

1 个答案: