在tensorflow中,我想根据多组索引对2D张量的列进行求和。
例如:
总结以下张量的列
[[1 2 3 4 5]
[5 4 3 2 1]]
根据2组指数(第一组设为总和0 1 2,第二组设为总和列3 4)
[[0,1,2],[3,4]]
应该提供2列
[[6 9]
[12 3]]
备注:
您是否知道如何执行该操作?我怀疑我需要使用tf.slice,可能还需要使用tf.while_loop。
答案 0 :(得分:2)
您可以使用tf.segment_sum
:
import tensorflow as tf
nums = [[1, 2, 3, 4, 5],
[5, 4, 3, 2, 1]]
column_idx = [[0, 1, 2], [3, 4]]
with tf.Session() as sess:
# Data as TF tensor
data = tf.constant(nums)
# Make segment ids
segments = tf.concat([tf.tile([i], [len(lst)]) for i, lst in enumerate(column_idx)], axis=0)
# Select columns
data_cols = tf.gather(tf.transpose(data), tf.concat(column_idx, axis=0))
col_sum = tf.transpose(tf.segment_sum(data_cols, segments))
print(sess.run(col_sum))
输出:
[[ 6 9]
[12 3]]
答案 1 :(得分:0)
如果您不介意用NumPy解决这个问题,我知道在NumPy中解决这个问题的粗暴方法。
import numpy as np
mat = np.array([[1, 2, 3, 4, 5], [5, 4, 3, 2, 1]])
grid1 = np.ix_([0], [0, 1, 2])
item1 = np.sum(mat[grid1])
grid2 = np.ix_([1], [0, 1, 2])
item2 = np.sum(mat[grid2])
grid3 = np.ix_([0], [3, 4])
item3 = np.sum(mat[grid3])
grid4 = np.ix_([1], [3, 4])
item4 = np.sum(mat[grid4])
result = np.array([[item1, item3], [item2, item4]])