Тензорный разреженный тензор с векторным значением в плотный тензор
У меня есть редкие индексы:
[[0 0]
[0 1]
[1 0]
[1 1]
[1 2]
[2 0]]
Соответствующее значение каждого индекса:
[[0.1 0.2 0.3]
[0.4 0.5 0.6]
[0.7 0.8 0.9]
[1.0 1.1 1.2]
[1.3 1.4 1.5]
[1.6 1.7 1.8]]
Как преобразовать тензор значений 6x3 в плотный тензор 3x3x3 в тензорном потоке? Значение для индексов, не указанных в index, равно нулю vector [0. 0. 0.]. Плотный тензор выглядит примерно так:
[[[0.1 0.2 0.3]
[0.4 0.5 0.6]
[0.0 0.0 0.0]]
[[0.7 0.8 0.9]
[1.0 1.1 1.2]
[1.3 1.4 1.5]]
[[1.6 1.7 1.8]
[0.0 0.0 0.0]
[0.0 0.0 0.0]]]
Ответы 2
В Tensorflow нет определенного способа сделать это с использованием каких-либо функций типа reshape. Я мог думать только об итеративном решении, создав список и преобразовав его обратно в тензор. Возможно, это не самое эффективное решение, но оно может сработать для вашего кода.
# list of indices
idx=[[0,0],[0,1], [1,0],[1,1], [1,2], [2,0]]
# Original Tensor to reshape
dense_tensor=tf.Variable([[0.1, 0.2 ,0.3],[0.4, 0.5, 0.6], [0.7, 0.8, 0.9], [1.0,1.1,1.2],[1.3,1.4,1.5], [1.6,1.7,1.8]])
# creating a temporary list to later convert to Tensor
c=np.zeros([3,3,3]).tolist()
for i in range(3):
count=0
for j in range(3):
if ([i,j] in idx):
c[i][j]=dense_tensor[count]
count=count+1
else:
c[i][j]=tf.Variable([0,0,0], dtype=tf.float32)
# Convert obtained list to Tensor
converted_tensor = tf.convert_to_tensor(c, dtype=tf.float32)
Вы можете определить диапазоны в зависимости от желаемого размера Tensor. Для вашего случая я выбрал 3, поскольку вы хотели тензор 3x3x3. Надеюсь, это поможет!
Я думаю, это не вызовет у вас никаких проблем, поскольку я напрямую присваиваю значения из входного тензора новому тензору. Даже добавленные тензоры нулей будут соответствовать операциям с графом. Если вы чувствуете, что преобразование списка в тензор вызовет проблему, то этого не произойдет, поскольку тензор все еще подключен, и я лично реализовал это без проблем. Так что дайте ему шанс и дайте мне знать, если это вызовет у вас какие-либо проблемы!
Вы можете сделать это с помощью tf.scatter_nd:
import tensorflow as tf
with tf.Graph().as_default(), tf.Session() as sess:
indices = tf.constant(
[[0, 0],
[0, 1],
[1, 0],
[1, 1],
[1, 2],
[2, 0]])
values = tf.constant(
[[0.1, 0.2, 0.3],
[0.4, 0.5, 0.6],
[0.7, 0.8, 0.9],
[1.0, 1.1, 1.2],
[1.3, 1.4, 1.5],
[1.6, 1.7, 1.8]])
out = tf.scatter_nd(indices, values, [3, 3, 3])
print(sess.run(out))
Вывод:
[[[0.1 0.2 0.3]
[0.4 0.5 0.6]
[0. 0. 0. ]]
[[0.7 0.8 0.9]
[1. 1.1 1.2]
[1.3 1.4 1.5]]
[[1.6 1.7 1.8]
[0. 0. 0. ]
[0. 0. 0. ]]]
Большое спасибо. Но мне нужно реализовать это с помощью tenorflow op, потому что это часть графа.