Tensorflow python：使用特定顺序将输入[batchsize]重新整形为tensor [batchsize，2]

Question

我有一个张量（shape = [batchsize]）。我想以特定的顺序重塑张量并变成形状= [ - 1,2]。但我希望：

1. [0,0]
处的元素
2. 元素在[1,0]
3. [0,1]
处的元素
4. [1,1]
处的元素
5. [0,2]
处的元素
6. [0,3]
处的元素
7. 元素在[2,1]
8. [3,1]处的元素，以及未知批量大小。

这是一个示例代码，其张量范围=（0到输入= 8）。

import tensorflow as tf
import numpy as np

batchsize = tf.placeholder(shape=[], dtype=tf.int32)
x = tf.range(0, batchsize, 1) 
x = tf.reshape(x, shape=[2, -1])
y = tf.transpose(x)
z = tf.reshape(y, shape=[-1, 2])


input = 8
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    msg = sess.run([z], feed_dict={batchsize: input})
    print(msg)

现在我的输出是：

[array([[0, 4],
       [1, 5],
       [2, 6],
       [3, 7]], dtype=int32)]

但我希望输出为：

[array([[0, 2],
       [1, 3],
       [4, 6],
       [5, 7]], dtype=int32)]

请记住，我不知道批量大小有多大，我只是设置input = 8，原因有很多。此外，我想在每个第二个元素之后打破顺序。将来我也想拥有这种灵活性。在我的真实代码中，张量'x'不是范围数组而是复杂的随机数，所以你不能以任何方式排序w.r.t.价值。我刚刚制作了这个代码用于演示目的。

Answer 1

你可以尝试

 tf.reshape(tf.matrix_transpose(tf.reshape(x, [-1, 2, 2])), [-1, 2])