时间戳

首页 > 解决方案 > 使用数组查找 TensorFlow 哈希表

python - 使用数组查找 TensorFlow 哈希表

问题描述

我正在尝试获得HashMap与 tensorflow 一起使用的功能类型。int当键和值是类型时，我让它工作。但是当它们是数组时，它会给出错误 -ValueError: Shapes (2,) and () are not compatible在线default_value) 

import numpy as np
import tensorflow as tf


input_tensor = tf.constant([1, 1], dtype=tf.int64)
keys = tf.constant(np.array([[1, 1],[2, 2],[3, 3]]),  dtype=tf.int64)
values = tf.constant(np.array([[4, 1],[5, 1],[6, 1]]),  dtype=tf.int64)
default_value = tf.constant(np.array([1, 1]),  dtype=tf.int64)

table = tf.contrib.lookup.HashTable(
        tf.contrib.lookup.KeyValueTensorInitializer(keys, values),
        default_value)

out = table.lookup(input_tensor)
with tf.Session() as sess:
    table.init.run()
    print(out.eval())

标签： pythonnumpytensorflow

解决方案

不幸的是，tf.contrib.lookup.HashTable仅适用于一维张量。这是一个tf.SparseTensors 的实现，当然只有当你的键是整数（int32 或 int64）张量时才有效。

对于值，我将两列存储在两个单独的张量中，但如果您有很多列，您可能只想将它们存储在一个大张量中，并将索引作为值存储在 one 中tf.SparseTensor。

此代码（已测试）：

import tensorflow as tf

lookup = tf.placeholder( shape = ( 2, ), dtype = tf.int64 )
default_value = tf.constant( [ 1, 1 ], dtype = tf.int64 )
input_tensor = tf.constant( [ 1, 1 ], dtype=tf.int64)
keys = tf.constant( [ [ 1, 2 ], [ 3, 4 ], [ 5, 6 ] ],  dtype=tf.int64 )
values = tf.constant( [ [ 4, 1 ], [ 5, 1 ], [ 6, 1 ] ],  dtype=tf.int64 )
val0 = values[ :, 0 ]
val1 = values[ :, 1 ]

st0 = tf.SparseTensor( keys, val0, dense_shape = ( 7, 7 ) )
st1 = tf.SparseTensor( keys, val1, dense_shape = ( 7, 7 ) )

x0 = tf.sparse_slice( st0, lookup, [ 1, 1 ] )
y0 = tf.reshape( tf.sparse_tensor_to_dense( x0, default_value = default_value[ 0 ] ), () )
x1 = tf.sparse_slice( st1, lookup, [ 1, 1 ] )
y1 = tf.reshape( tf.sparse_tensor_to_dense( x1, default_value = default_value[ 1 ] ), () )

y = tf.stack( [ y0, y1 ], axis = 0 )

with tf.Session() as sess:
    print( sess.run( y, feed_dict = { lookup : [ 1, 2 ] } ) )
    print( sess.run( y, feed_dict = { lookup : [ 1, 1 ] } ) )

将输出：

[4 1]
[1 1]

根据需要（查找键[ 1, 2 ]的值[ 4, 1 ]和 [ 1, 1 ] 的默认值[ 1, 1 ]，它指向不存在的条目。）

推荐阅读