Question

我正在测试代码以处理张量的每一行。

张量可能有一行，最后4个元素为0或具有非零值。

如果该行的最后4个元素为0 [1.0,2.0,2.3,3.4,0,0,0,0] 删除最后四个，并将行中的形状更改为5个元素。第一个元素代表行索引。变成[0.0,1.0,2.0,2.3,3.4]。

如果该行具有所有8个非零值元素，则将其分为两行并将行索引放在第一位。然后[3.0,4.0,1.0,2.1,1.2,1.4,1.2,1.5]变得像[[2.0,3.0,4.0,1.0,2.1],[2.0,1.2,1.4,1.2,1.5]]。第一个元素2.0是张量中的行索引。

所以处理后 [[1.0,2.0,2.3,3.4,0,0,0,0],[2.0,3.2,4.2,4.0,0,0,0,0],[3.0,4.0,1.0,2.1,1.2,1.4,1.2,1.5],[1.2,1.3,3.4,4.5,1,2,3,4]]成为

[[0,1.0,2.0,2.3,3.4],[1.0,2.0,3.2,4.2,4.0],[2.0,3.0,4.0,1.0,2.1],[2.0,1.2,1.4,1.2,1.5],[3.0,1.2,1.3,3.4,4.5],[3.0,1,2,3,4]]

我做了如下。但是error as TypeError: TypeErro...pected',) at map_fn。

    import tensorflow as tf

    boxes = tf.constant([[1.0,2.0,2.3,3.4,0,0,0,0],[2.0,3.2,4.2,4.0,0,0,0,0],[3.0,4.0,1.0,2.1,1.2,1.4,1.2,1.5],[1.2,1.3,3.4,4.5,1,2,3,4]])
    rows = tf.expand_dims(tf.range(tf.shape(boxes)[0], dtype=tf.int32), 1)
    def bbox_organize(box, i):
       if(tf.reduce_sum(box[4:]) == 0):
          box=tf.squeeze(box, [5,6,7]
          box=tf.roll(box, shift=1, axis=0)
          box[0]=i
       else:
          box=tf.reshape(box, [2, 4])
          const_=tf.constant(i, shape=[2, 1])
          box=tf.concat([const_, box], 0)
       return box
    b_boxes= tf.map_fn(lambda x: (bbox_organize(x[0], x[1]), x[1]), (boxes, rows), dtype=(tf.int32, tf.int32))
    with tf.Session() as sess: print(sess.run(b_boxes))

我不擅长Tensorflow并且仍在学习。

是否有更好的方法来实现Tensorflow api进行处理？

Answer 1

您需要做的是变换boxes的形状并获取非零线

import tensorflow as tf
tf.enable_eager_execution();

boxes = tf.constant([[1.0,2.0,2.3,3.4,0,0,0,0],[2.0,3.2,4.2,4.0,0,0,0,0],[3.0,4.0,1.0,2.1,1.2,1.4,1.2,1.5],[1.2,1.3,3.4,4.5,1,2,3,4]])

boxes = tf.reshape(boxes,[tf.shape(boxes)[0]*2,-1])
# [[1.  2.  2.3 3.4]
#  [0.  0.  0.  0. ]
#  [2.  3.2 4.2 4. ]
#  [0.  0.  0.  0. ]
#  [3.  4.  1.  2.1]
#  [1.2 1.4 1.2 1.5]
#  [1.2 1.3 3.4 4.5]
#  [1.  2.  3.  4. ]]

rows = tf.floor(tf.expand_dims(tf.range(tf.shape(boxes)[0]), 1)/2)
# [[0.]
#  [0.]
#  [1.]
#  [1.]
#  [2.]
#  [2.]
#  [3.]
#  [3.]]

add_index = tf.concat([tf.cast(rows,tf.float32),boxes],-1)

index = tf.not_equal(tf.reduce_sum(add_index[:,4:],axis=1),0)
# [ True False  True False  True  True  True  True]

boxes_ = tf.gather_nd(add_index,tf.where(index))
print(boxes_)

# tf.Tensor(
# [[0.  1.  2.  2.3 3.4]
#  [1.  2.  3.2 4.2 4. ]
#  [2.  3.  4.  1.  2.1]
#  [2.  1.2 1.4 1.2 1.5]
#  [3.  1.2 1.3 3.4 4.5]
#  [3.  1.  2.  3.  4. ]], shape=(6, 5), dtype=float32)

我认为您还需要以上代码。向量化方法将比tf.map_fn()快得多。

在Tensorflow中对张量进行逐行处理

1 个答案: