Question

我从带有x整数条目的1D numpy数组N（或tensorflow tensor）开始。每个条目都小于或等于N。我现在想要创建一个形状Y的张量(N,N)（即NxN矩阵），其中Y[i,j]=0如果x[i]!=x[j]则Y[i,j]=1 x[i]==x[j] import numpy as np x=np.array([1,2,1,2,3,4,2]) Y=np.zeros((x.shape[0],x.shape[0])) for i in range(x.shape[0]): for j in range(x.shape[0]): if x[i]==x[j]: Y[i,j]=1。

numpy示例：

array([[ 1.,  0.,  1.,  0.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  1.,  0.,  0.,  1.],
       [ 1.,  0.,  1.,  0.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  1.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 0.,  1.,  0.,  1.,  0.,  0.,  1.]])

输出

如何在纯张量流代码中有效地创建相同的函数？

并且：如果我有一个额外的批量维度，那么输入(B,N)具有形状Y并且我期望作为具有形状(B,N,N)的输出Observable.merge( Observable.interval(10 * 1000), Observable.fromEvent(this.myButton.nativeElement, 'click') ) .startWith(0) .subscribe(...)。批次都是相互独立的。

Answer 1

将x重塑为两种不同的形状，(B, 1, N)和(B, N, 1)，以便对它们进行适当的广播，然后比较这两个张量，结果就是{{1}所需的结果} 1和True为0：

False

Answer 2

import tensorflow as tf
x = tf.constant([1,2,1,2,3,4,2])
x = tf.expand_dims(x, axis=0)
x = tf.tile(x, [x.shape[1], 1])
x_ = tf.transpose(x)
Y = tf.where(tf.equal(x,x_), tf.ones_like(x), tf.zeros_like(x))

你有你的矢量x。您将dims扩展为具有矩阵[1，x.shape]。然后重复它以沿着线条获得相同矢量的副本。 x [i] == x [j]因此等于x == x_，其中x_是矩阵x的转置。

tf.where是条件张量。你给出了条件（x == x_），并且对于每个元素，如果它是真的，它将取第一个值（tf.ones_like），如果它是假，它将取第二个值（{{1} }）。那些tf.zeros_like函数生成的张量为0或1，其形状与x相同。

在张量流中从向量创建二进制张量

2 个答案: