我试图将矩阵的严格上三角部分转换为 Tensorflow 中的数组。这是一个例子：
输入：
[[1, 2, 3],
[4, 5, 6],
[7, 8, 9]]
输出：
[2, 3, 6]
我尝试了以下代码，但没有成功（报错）：
def upper_triangular_to_array(A):
mask = tf.matrix_band_part(tf.ones_like(A, dtype=tf.bool), 0, -1)
return tf.boolean_mask(A, mask)
谢谢！
【问题讨论】：
标签： python tensorflow
以下答案与@Cech_Cohomology 的答案密切相关，但在此过程中不使用 Numpy，仅使用 TensorFlow。
import tensorflow as tf
# The matrix has size n-by-n
n = 3
# A is the matrix
A = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
ones = tf.ones_like(A)
mask_a = tf.matrix_band_part(ones, 0, -1) # Upper triangular matrix of 0s and 1s
mask_b = tf.matrix_band_part(ones, 0, 0) # Diagonal matrix of 0s and 1s
mask = tf.cast(mask_a - mask_b, dtype=tf.bool) # Make a bool mask
upper_triangular_flat = tf.boolean_mask(A, mask)
sess = tf.Session()
print(sess.run(upper_triangular_flat))
这个输出：
[2 3 6]
这种方法的好处是在运行图的时候不需要给feed_dict。
【讨论】：
我终于想出了如何使用 Tensorflow 做到这一点。
想法是将占位符定义为布尔掩码，然后在运行时使用 numpy 将布尔矩阵传递给布尔掩码。我在下面分享我的代码：
import tensorflow as tf
import numpy as np
# The matrix has size n-by-n
n = 3
# define a boolean mask as a placeholder
mask = tf.placeholder(tf.bool, shape=(n, n))
# A is the matrix
A = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
npmask = np.triu(np.ones((n, n), dtype=np.bool_), 1)
A_upper_triangular = tf.boolean_mask(A, mask)
print(sess.run(A_upper_triangular, feed_dict={mask: npmask}))
我的 Python 版本是 3.6，我的 Tensorflow 版本是 0.12.0rc1。上面代码的输出是
[2, 3, 6]
这个方法可以进一步推广。我们可以使用 numpy 构造任何类型的掩码，然后将掩码传递给 Tensorflow 以提取感兴趣的张量部分。
【讨论】：
如果您使用的是 python 2.7，那么对于 NxN 元素数组，您可以使用带有条件的列表推导：
def upper_triangular_to_array(A):
N = A.shape[0]
return np.array([p for i, p in enumerate(A.flatten()) if i > (i / N) * (1 + N)])
此函数要求 A 是一个二维方形 numpy 数组才能返回正确的结果。它还依赖于整数的地板除法，如果您使用 python 3.x，则需要对其进行更正
【讨论】：
tensorflow 解决方案，你不能使用 numpy