Question

我需要通过沿参差不齐的维度索引来获取参差不齐的张量中的值。某些索引功能（[:, :x]，[:, -x:]或[:, x:y]）有效，但不能直接索引（[:, x]）：

R = tf.RaggedTensor.from_tensor([[1, 2, 3], [4, 5, 6]])
print(R[:, :2]) # RaggedTensor([[1, 2], [4, 5]])
print(R[:, 1:2]) # RaggedTensor([[2], [5]])
print(R[:, 1])  # ValueError: Cannot index into an inner ragged dimension.

documentation解释了失败的原因：

RaggedTensors支持多维索引和切片，其中一个限制：不允许索引到衣衫dimension的维度。这个这种情况是有问题的，因为指示的值可能存在于某些行中但其他人没有。在这种情况下，是否应该（1）引发IndexError; （2）使用默认值；或（3）跳过该值并返回一个行数少于开始的张量。以下 Python的指导原则（“面对歧义，拒绝的诱惑”），我们目前不允许此操作。

这很有意义，但是我实际上如何实现选项1、2和3？我是否必须将衣衫agged的数组转换为张量的Python数组，并手动遍历它们？有没有更有效的解决方案？一个可以在TensorFlow图中100％运作而无需通过Python解释器的机器？

Answer 1

如果您具有2D RaggedTensor，则可以通过以下方式获得行为（3）：

TypeError: arguments did not match any overloaded call:
  QgsVectorLayer.select(QgsRectangle, bool): argument 1 has unexpected type 'QgsFeature'
  QgsVectorLayer.select(int): argument 1 has unexpected type 'QgsFeature'
  QgsVectorLayer.select(unknown-type): argument 1 has unexpected type 'QgsFeature'

您可以通过添加rt.nrows（）== tf.size（slice.flat_values）的断言来获得行为（1）：

-multidex

要获得行为（2），我认为最简单的方法可能是连接一个默认值的向量，然后再次切片：

def get_column_slice_v3(rt, column):
  assert column >= 0  # Negative column index not supported
  slice = rt[:, column:column+1]
  return slice.flat_values

可以扩展这些以支持更高维度的参差不齐的张量，但是逻辑变得有点复杂。此外，应该有可能将其扩展为支持负列索引。

您如何在TensorFlow中沿粗糙的维度索引RaggedTensor？

1 个答案: