将可变长度张量修剪到最大长度答案

【问题标题】：Trim variable-length tensor to a maximum length将可变长度张量修剪到最大长度
【发布时间】：2020-06-06 16:20:54
【问题描述】：

拥有一个具有一个固定维度和一个可变长度维度的二维张量：如何将可变长度维度限制为最大长度？如果可变长度较短，则应保留最大值（而不是填充），但如果长度较长，则应截断末端。

例如，假设所有张量的形状都为(None, 4)，我想让它们都限制在(3, 4) 的最大形状内。一个示例输入可能是：

tensor1 = tf.constant([
    [1, 2, 0, 0],
    [1, 3, 4, 0],
    [0, 0, 0, 0],
    [7, 7, 7, 7],
    [7, 8, 9, 1],
], dtype=tf.int32)

...，它应该被修剪为：

tensor1_trimmed = tf.constant([
    [1, 2, 0, 0],
    [1, 3, 4, 0],
    [0, 0, 0, 0],
], dtype=tf.int32)

但是，任何小于最大值的东西都应该保持不变：

tensor2 = tf.constant([
    [9, 9, 9, 9],
    [9, 9, 9, 9],
], dtype=tf.int32)

...应该保持原样：

tensor2_trimmed = tf.constant([
    [9, 9, 9, 9],
    [9, 9, 9, 9],
], dtype=tf.int32)

是否有任何内置命令可以做到这一点？或者您将如何实现这一目标？

【问题讨论】：

标签： python tensorflow tensorflow2.x

【解决方案1】：

tf.strided_slice 支持 numpy 样式的切片，因此您可以在示例中使用 [:3,:]

>>> tensor1 = tf.constant([
...     [1, 2, 0, 0],
...     [1, 3, 4, 0],
...     [0, 0, 0, 0],
...     [7, 7, 7, 7],
...     [7, 8, 9, 1],
... ], dtype=tf.int32)
>>> tensor1[:3,:]
<tf.Tensor: shape=(3, 4), dtype=int32, numpy=
array([[1, 2, 0, 0],
       [1, 3, 4, 0],
       [0, 0, 0, 0]], dtype=int32)>
>>> tensor2 = tf.constant([
...     [9, 9, 9, 9],
...     [9, 9, 9, 9],
... ], dtype=tf.int32)
>>> tensor2[:3,:]
<tf.Tensor: shape=(2, 4), dtype=int32, numpy=
array([[9, 9, 9, 9],
       [9, 9, 9, 9]], dtype=int32)>

【讨论】：