Как получить случайный суб-тензор из тензора? - PullRequest
Новая
       11

Как получить случайный суб-тензор из тензора?

2 голосов
/ 31 мая 2019

Я хочу получить случайный суб-тензор от тензора, и форма будет фиксированной.Например, мне нужно получить правый тензор от левого тензора, и индекс является случайным для каждой строки, вот так: 

[[1 4 3]         [[3]     [[4]
 [3 2 1]  ----->  [2]  or  [1] (generate randomly)
 [0 3 4]]         [3]]     [0]]

Я пробовал tf.slice и tf.gather, это не такРабота.И я попытался написать тестовый пример кода, подобный этому: 

import random
import tensorflow as tf

a = tf.convert_to_tensor([[[1, 4, 3]],
                          [[3, 2, 1]],
                          [[0, 3, 4]]])

T = a.get_shape().as_list()[0]

result_list = []

for i in range(T):
    idx = random.randint(0, 2)  # get a random idx
    result_list.append(a[i][0][idx])

y_hat = tf.reshape(tf.convert_to_tensor(result_list), shape=(T, 1))

with tf.Session() as sess:
    print(sess.run(y_hat))

    # y_hat: [[4]
    #         [1]
    #         [4]]

В этом тестовом примере это сработало.Но в реальной среде 'a'.shape = (None, 3), поэтому
' T = a.get_shape (). As_list () [0] 'не является значением типа int, я не могу выполнить итерацию Tпо дальности (T).Например: 

import random
import tensorflow as tf

a = tf.placeholder(shape=(None, 3), dtype=tf.int32)

result_list = []
T = a.get_shape().as_list()[0]

for i in range(T):
    idx = random.randint(0, 2)  # get a random idx
    result_list.append(a[i][0][idx])

y_hat = tf.reshape(tf.convert_to_tensor(result_list), shape=(T, 1))

with tf.Session() as sess:

    a_instance = [[[1, 4, 3]],
                  [[3, 2, 1]],
                  [[0, 3, 4]]]

    print(sess.run(y_hat, feed_dict={a: a_instance}))

В этом случае это не работает.Кто может сказать мне, что мне делать?

Ответы [ 2 ]

0 голосов
/ 31 мая 2019

Обычно я использую библиотеку NumPy для этого. 

import numpy as np

a_instance = np.array([[1,4,3],[3,2,1],[0,3,4]])
a_instance = a_instance.T # transpose the matrix
np.random.shuffle(a_instance) # it performs the shuffle of the rows
a_instance = a_instance.T

Затем вы можете получить один столбец, как требуется, с помощью следующего кода: 

a_column = a_instance[:, 0]

Таким образом, у вас естьхотел случайный столбец в виде массива numpy, который затем можно использовать с tenorflow, как показано: 

...
print(sess.run(y_hat, feed_dict={a: [a_column.tolist()]}))

Не забудьте также использовать копию «a_instance» с методом shuffle, если вы не хотите изменять «a_instance»матрица навсегда.

0 голосов
/ 31 мая 2019

Вот как вы можете сделать это с tf.gather_nd: 

import tensorflow as tf

with tf.Graph().as_default(), tf.Session() as sess:
    tf.random.set_random_seed(0)
    a = tf.constant([[1, 4, 3],
                     [3, 2, 1],
                     [0, 3, 4]])
    s = tf.shape(a)
    rows, cols = s[0], s[1]
    # Row indices
    ii = tf.expand_dims(tf.range(rows), 1)
    # Column indices
    jj = tf.random.uniform((rows, 1), 0, cols, dtype=ii.dtype)
    # Gather result
    result = tf.gather_nd(a, tf.stack([ii, jj], axis=-1))
    # Print some results
    print(sess.run(result))
    # [[3]
    #  [2]
    #  [4]]
    print(sess.run(result))
    # [[4]
    #  [1]
    #  [0]]
    print(sess.run(result))
    # [[3]
    #  [2]
    #  [0]]
...