Question

我有一个这样的张量：

-2.2

我需要将每行乘以其余行（按元素计算），然后对结果求和。

第一行完成后，我们将处理第二行以及其余行，然后...

结果将是这样的：它将是tf_docs = tf.constant([[0, 2, 1], [1, 2, 2], [2, 1, 3], [5, 2, 2]], dtype=tf.int32)，因为我们有4行

4*4

让我解释result_tf =[[0, 6, 5, 6 ], [6, 0, 10, 13], [5, 10, 3, 18], [6, 13, 18, 0]]中的每个元素（矩阵是对称的。

第一行：

result_tf

第二行：

0*1 + 2*2 + 1*2 = 6
0*2 + 2*1 + 1*3 = 5
0*5 + 2*2 + 1*2 = 6

第三行：

1*2 + 2*1 + 2*3 = 10
1*5 + 2*2 + 2*2 = 13

这些就是我形成矩阵上侧的方式。

然后，diag中的值是：

2*5 + 1*2 + 3*2 = 18在任何列中都没有(0,0)，所以co-occurred

0在任何列中都没有(1,1)，所以co-occurred

0在第二栏中有(2,2)时间，在第三栏中有co-occurred 2，因此1 time

3没有在任何列中同时出现，所以(3,3)

我觉得这需要比了解技术更多的创造力来解决。（从字面上看，如果您了解共现的概念，那么我将在同一矩阵上计算共现）

我所做的：

我可以使用for循环轻松地做到这一点。但是我需要完成张量流操作，并且找不到类似的问题。我也在考虑使用collect每次获取指定的行并将其合并。但是这种方法不是动态的，而且我的行和列都比这个大，所以这种解决方案将不可行

Answer 1

这是一种实现方法：

import tensorflow as tf

tf_docs = tf.constant([[0, 2, 1],
                       [1, 2, 2],
                       [2, 1, 3],
                       [5, 2, 2]], dtype=tf.int32)

# Non-diagonal elements
nondiag = tf.matmul(tf_docs, tf_docs, transpose_b=True)
# Compute diagonal
r = tf.range(tf.shape(tf_docs, out_type=tf_docs.dtype)[0])
# Compare each index against each value
cmp = tf.equal(tf.expand_dims(tf_docs, axis=-1), r)
# Count appearances of each index in each column
count = tf.math.count_nonzero(cmp, axis=0, dtype=tf_docs.dtype)
# Sum number of appearances over one
diag = tf.reduce_sum(tf.maximum(count - 1, 0), axis=0)
# Set diagonal elements
result_tf = tf.linalg.set_diag(nondiag, diag)
print(result_tf.numpy())
# [[ 0  6  5  6]
#  [ 6  0 10 13]
#  [ 5 10  3 18]
#  [ 6 13 18  0]]

如何在张量流中将张量的每一行与其他行元素相乘

1 个答案: