Question

我有我的数据张量，形状为[batch_size,512]，我有一个常量矩阵，其值只有0和1，其形状为[256,512]。

我想为每个批次有效地计算我的向量的产品总和（数据张量的第二维）仅针对1而不是0的条目。

解释示例：让我们说我有1个批量的批处理：数据张量的值为[5,4,3,7,8,2]，而我的常量矩阵的值为：

[0,1,1,0,0,0]
[1,0,0,0,0,0]
[1,1,1,0,0,1]

这意味着我想计算第一行4*3，第二行5和第三行5*4*3*2。对于这个批次，我得到的4*3+5+5*4*3*2等于137。目前，我通过遍历所有行来进行迭代，以元素方式计算我的数据和常量矩阵行的乘积，然后求和，运行速度非常慢。

Answer 1

这样的事情怎么样：

import tensorflow as tf

# Two-element batch
data = [[5, 4, 3, 7, 8, 2],
        [4, 2, 6, 1, 6, 8]]
mask = [[0, 1, 1, 0, 0, 0],
        [1, 0, 0, 0, 0, 0],
        [1, 1, 1, 0, 0, 1]]
with tf.Graph().as_default(), tf.Session() as sess:
    # Data as tensors
    d = tf.constant(data, dtype=tf.int32)
    m = tf.constant(mask, dtype=tf.int32)
    # Tile data as needed
    dd = tf.tile(d[:, tf.newaxis], (1, tf.shape(m)[0], 1))
    mm = tf.tile(m[tf.newaxis, :], (tf.shape(d)[0], 1, 1))
    # Replace values with 1 wherever the mask is 0
    w = tf.where(tf.cast(mm, tf.bool), dd, tf.ones_like(dd))
    # Multiply row-wise and sum
    result = tf.reduce_sum(tf.reduce_prod(w, axis=-1), axis=-1)
    print(sess.run(result))

输出：

[137 400]

编辑：

如果您输入的数据是单个向量，那么您只需：

import tensorflow as tf

# Two-element batch
data = [5, 4, 3, 7, 8, 2]
mask = [[0, 1, 1, 0, 0, 0],
        [1, 0, 0, 0, 0, 0],
        [1, 1, 1, 0, 0, 1]]
with tf.Graph().as_default(), tf.Session() as sess:
    # Data as tensors
    d = tf.constant(data, dtype=tf.int32)
    m = tf.constant(mask, dtype=tf.int32)
    # Tile data as needed
    dd = tf.tile(d[tf.newaxis], (tf.shape(m)[0], 1))
    # Replace values with 1 wherever the mask is 0
    w = tf.where(tf.cast(m, tf.bool), dd, tf.ones_like(dd))
    # Multiply row-wise and sum
    result = tf.reduce_sum(tf.reduce_prod(w, axis=-1), axis=-1)
    print(sess.run(result))

输出：

Tensorflow通过二进制矩阵计算乘法

1 个答案: