Question

我是 Python 和 Tensorflow 的新手，并且正在使用 Python 进行项目。假设我有向量 X ，

X = [x1，x2，x3]

，并希望将其转换为下三角矩阵 A ，其中主对角线为一个，

A = [[1，0，0]，[x1，1，0]，[x2，x3，1]]。

在 R 中，我使用了以下简单代码：

A<-diag(3)
A[lower.tri(A)] <- X.

在我的项目中， X 是张量，作为 Tensorflow 中神经网络的输出。

X <- layer_dense(hidden layer, dec_dim)

所以，我想尽可能在Keras或Tensorflow中这样做。例如在Keras中，

from keras import backend as K
 A= K.eye(3)

但是我在Tensorflow或Keras中找不到第二条命令的解决方案。由于运行时间长，我不想在这里使用 For 循环。有什么简短的解决方案吗？你有什么想法吗？预先感谢。

Answer 1

您需要获取X的所有索引并将其应用于A。

from keras import backend as K
import tensorflow as tf

n = 3
X = tf.constant([1,2,3],tf.float32)
A = K.eye(n)

column,row = tf.meshgrid(tf.range(n),tf.range(n))
indices = tf.where(tf.less(column,row))
# [[1 0]
#  [2 0]
#  [2 1]]

A = tf.scatter_nd(indices,X,(n,n)) + A
# if your lower triangular part of A not equal 0, you can use follow code.
# tf.matrix_band_part(A, 0, -1)==> Upper triangular part
# A = tf.scatter_nd(indices,X,(n,n)) + tf.matrix_band_part(A, 0, -1)

print(K.eval(A))
# [[1. 0. 0.]
#  [1. 1. 0.]
#  [2. 3. 1.]]

将张量的值传递到2维张量的下梯形部分

1 个答案: