时间戳

首页 > 解决方案 > 张量的访问元素

python - 张量的访问元素

问题描述

我有以下 TensorFlow 张量。

tensor1 = tf.constant(np.random.randint(0,255, (2,512,512,1)), dtype='int32') #All elements in range [0,255]
tensor2 = tf.constant(np.random.randint(0,255, (2,512,512,1)), dtype='int32') #All elements in range [0,255]

tensor3 = tf.keras.backend.flatten(tensor1)
tensor4 = tf.keras.backend.flatten(tensor2)

tensor5 = tf.constant(np.random.randint(0,255, (255,255)), dtype='int32') #All elements in range [0,255]

我希望使用存储在张量 3 和张量 4 中的值来制作一个元组，并查询张量 5 中元组给定位置的元素。例如，假设张量 3 中的第 0 个元素，即 tensor3[0]=5和张量4 [0] = 99。所以元组变成（5,99）。我希望在张量 5 中查找元素 (5,99) 的值。我希望以批处理方式对 Tensor3 和 Tensor4 中的所有元素执行此操作。也就是说，我不想遍历 (len(Tensor3)) 范围内的所有值。我做了以下事情来实现这一点。

tensor6 = tensor5[tensor3[0],tensor4[0]]

但是 tensor6 的形状为 (255,255)，而我希望得到一个形状为 (len(tensor3),len(tensor3)) 的张量。我想在 len(tensor3) 中所有可能的位置评估 tensor5。那是在(0,0),...(1000,1000),....(2000,2000),...。我正在使用 TensorFlow 版本 1.12.0。我怎样才能做到这一点？

标签： pythontensorflowkerastensorarray-broadcasting

解决方案

我已经设法在 Tensorflow v 1.12 中运行了一些东西，但是如果它是预期的代码，请告诉我：

import tensorflow as tf
print(tf.__version__)
import numpy as np

tensor1 = tf.constant(np.random.randint(0,255, (2,512,512,1)), dtype='int32') #All elements in range [0,255]
tensor2 = tf.constant(np.random.randint(0,255, (2,512,512,1)), dtype='int32') #All elements in range [0,255]

tensor3 = tf.keras.backend.flatten(tensor1)
tensor4 = tf.keras.backend.flatten(tensor2)

tensor5 = tf.constant(np.random.randint(0,255, (255,255)), dtype='int32') #All elements in range [0,255]

elems = (tensor3, tensor4)
a = tf.map_fn(lambda x: tensor5[x[0], x[1]], elems, dtype=tf.int32)

print(tf.Session().run(a))

根据下面的评论，我想为map_fn代码中使用的添加一个解释。由于for没有 eager_execution 不支持循环，map_fn因此（在某种程度上）等同于for循环。

Amap_fn有以下参数：operation_performed, input_arguments, optional_dtype. 幕后发生的事情for是沿着值的长度运行一个循环input_arguments（它必须包含一个可迭代的对象），然后执行每个获得operation_performed的值。如需进一步说明，请参阅文档。

函数参数的名称是我解释它们的方式，正如我想理解的那样，官方文档中没有给出。:)

推荐阅读