说我有一个形状为DATA
的张量(M, N, 2)
。
我还有另一个由零和一组成的(N)形状的张量IND
。
如果IND(i)==1
,则DATA(:,i,0)
和DATA(:,i,1)
必须互换。如果IND(i)==0
他们不会交换。
我该怎么做?我知道可以通过tf.gather_nd
完成此操作,但是我不知道如何操作。
答案 0 :(得分:2)
这里是tf.equal
,tf.where
,tf.scater_nd_update
,tf.gather_nd
和tf.reverse_v2
的一种可能的解决方案:
data = tf.Variable([[[1, 2],
[2, 3],
[3, 4],
[4, 5],
[5, 6]]]) # shape=(1,5,2)
# reverse elements where ind is 1
ind = tf.constant([1, 0, 1, 0, 1]) # shape(5,)
cond = tf.where(tf.equal([ind], 1))
match_data = tf.gather_nd(data, cond)
rev_match_data = tf.reverse_v2(match_data, axis=[-1])
data = tf.scatter_nd_update(data, cond, rev_match_data)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
print(sess.run(data))
#[[[2 1]
# [2 3]
# [4 3]
# [4 5]
# [6 5]]]
答案 1 :(得分:1)
不使用tf.gather_ind的一种方法如下。这个想法是构建DATA1,它是具有所有可能交换的DATA(即,如果IND是1的向量,则交换的结果),并根据需要是否使用交换,使用掩码从Data或Data1中选择正确的值。或不。
DATA1 = tf.concat([tf.reshape(DATA[:,:,1], [M, N, 1]), tf.reshape(DATA[:,:,0], [M, N, 1])], axis = 2)
Mask1 = tf.cast(tf.reshape(IND, [1, N, 1]), tf.float64)
Mask0 = 1 - Mask1
Res = tf.multiply(Mask0, DATA) + tf.multiply(Mask1, DATA1)