Срез на основе замаскированного тензора в тензорном потоке

Обновлено: для тензорного потока 1.x используйте:

val = tf.math.reduce_min(tf_ent)
tf.where(tf_ent_var, tf_ent, tf.zeros_like(tf_ent) + val)

К сожалению, правила вещания не являются подмножеством правил 2.0 (что то же самое, что и numpy), а «просто разные». Tensorflow — не лучшая библиотека, когда речь идет о совместимости версий.

Основная идея состоит в том, чтобы использовать tf.where, но вам нужно будет сначала изменить tf_ent_var на тензор с формой (7, 1), чтобы тензорный поток знал, что он транслирует его по второй оси, а не по первой оси. Так:

val = tf.math.reduce_min(tf_ent)
tf.where(tf_ent_var[:, tf.newaxis], tf_ent, val)

Конечно, вы также можете преобразовать его в (-1, 1), но я думаю, что нарезка с помощью tf.newaxis короче и понятнее.

Вот мой интерактивный сеанс Python с 1.13.1 для устранения неполадок.

Python 3.7.3 (v3.7.3:ef4ec6ed12, Mar 25 2019, 16:52:21) 
[Clang 6.0 (clang-600.0.57)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> sess = tf.InteractiveSession()
2019-06-22 15:51:09.210852: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
>>> tf_ent = tf.Variable([   [9.96,    8.65,    0.99,    0.1 ],
...                          [0.7,     8.33,    0.1  ,   0.1   ],
...                          [0.9,     0.1,     6,       7.33],
...                          [6.60,    0.1,     3,       5.5 ],
...                          [9.49,    0.2,     0.2,     0.2   ],
...                          [0.4,     8.45,    0.2,     0.2 ],
...                          [0.3,     0.2,     5.82,    8.28]])
WARNING:tensorflow:From /Users/REDACTED/Documents/test/lib/python3.7/site-packages/tensorflow/python/framework/op_def_library.py:263: colocate_with (from tensorflow.python.framework.ops) is deprecated and will be removed in a future version.
Instructions for updating:
Colocations handled automatically by placer.
>>> 
>>> tf_ent_var = tf.constant([True, False, False, False, False, True, False])
>>> init = tf.global_variables_initializer()
>>> sess.run(init)
>>> val = tf.math.reduce_min(tf_ent)
>>> tf.where(tf_ent_var, tf_ent, tf.zeros_like(tf_ent) + val)
<tf.Tensor 'Select:0' shape=(7, 4) dtype=float32>
>>> _.eval()
array([[9.96, 8.65, 0.99, 0.1 ],
       [0.1 , 0.1 , 0.1 , 0.1 ],
       [0.1 , 0.1 , 0.1 , 0.1 ],
       [0.1 , 0.1 , 0.1 , 0.1 ],
       [0.1 , 0.1 , 0.1 , 0.1 ],
       [0.4 , 8.45, 0.2 , 0.2 ],
       [0.1 , 0.1 , 0.1 , 0.1 ]], dtype=float32)
>>> tf.__version__
'1.13.1'

min_mat = tf.broadcast_to(tf.reduce_min(tf_ent), tf_ent.shape)
output = tf.where(tf_ent_var, tf_ent, min_mat)
sess.run(output)

Вот моя реализация с использованием операторов tf.concat() и if-else. Это не так элегантно, как другой ответ, но работает:

import tensorflow as tf
tf.enable_eager_execution()

def slice_tensor_based_on_mask(tf_ent, tf_ent_var):
    res = tf.fill([1, 4], 0.0)  
    min_value_tensor = tf.fill([1,int(tf_ent.shape[1])], tf.reduce_min(tf_ent))

    for i in range(int(tf_ent.shape[0])):
        if tf_ent_var[i:i+1].numpy()[0]: # true value in tf_ent_var
            res = tf.concat([res, tf_ent[i:i+1]], 0)
        else:
            res = tf.concat([res, min_value_tensor], 0)
    return res[1:]

tf_ent = tf.Variable([[9.96,    8.65,    0.99,   0.1 ],
                     [0.7,     8.33,    0.1  ,   0.1 ],
                     [0.9,     0.1,     6,       7.33],
                     [6.60,    0.1,     3,       5.5 ],
                     [9.49,    0.2,     0.2,     0.2 ],
                     [0.4,     8.45,    0.2,     0.2 ],
                     [0.3,     0.2,     5.82,    8.28]])

tf_ent_var = tf.constant([True, False, False, False, False, True, False])
print(slice_tensor_based_on_mask(tf_ent, tf_ent_var))

выход:

tf.Tensor(
[[9.96 8.65 0.99 0.1 ]
 [0.1  0.1  0.1  0.1 ]
 [0.1  0.1  0.1  0.1 ]
 [0.1  0.1  0.1  0.1 ]
 [0.1  0.1  0.1  0.1 ]
 [0.4  8.45 0.2  0.2 ]
 [0.1  0.1  0.1  0.1 ]], shape=(7, 4), dtype=float32)