我有一个形状为 (2, 5) 的 numpy 零矩阵 A。
A = [[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.]]
我有另一个数组seq，大小为2。这与A 的第一个轴相同。
seq = [2, 3]
我想创建另一个矩阵B，如下所示：
B = [[ 1., 1., 0., 0., 0.],
[ 1., 1., 1., 0., 0.]]
B 是通过将A 的ith 行中的第一个seq[i] 元素更改为1 来构造的。
这是一个玩具示例。 A 和 seq 可以很大，因此需要效率。 如果有人知道如何在 tensorflow 中执行此操作，我将不胜感激。
【问题讨论】：
标签： numpy tensorflow
您可以在 TensorFlow 中执行此操作（以及在 NumPy 中使用一些类似的代码），如下所示：
seq = [2, 3]
b = tf.expand_dims(tf.range(5), 0) # A 1 x 5 matrix.
seq_matrix = tf.expand_dims(seq, 1) # A 2 x 1 matrix.
b_bool = tf.greater(seq_matrix, b) # A 2 x 5 bool matrix.
B = tf.to_int32(b_bool) # A 2 x 5 int matrix.
示例输出：
In [7]: b = tf.expand_dims(tf.range(5), 0)
[[0 1 2 3 4]]
In [21]: b_bool = tf.greater(seq_matrix, b)
In [22]: op = sess.run(b_bool)
In [23]: print(op)
[[ True True False False False]
[ True True True False False]]
In [24]: bint = tf.to_int32(b_bool)
In [25]: op = sess.run(bint)
In [26]: print(op)
[[1 1 0 0 0]
[1 1 1 0 0]]
【讨论】：
这个@mrry's 解决方案，表达方式略有不同
In [667]: [[2],[3]]>np.arange(5)
Out[667]:
array([[ True, True, False, False, False],
[ True, True, True, False, False]], dtype=bool)
In [668]: ([[2],[3]]>np.arange(5)).astype(int)
Out[668]:
array([[1, 1, 0, 0, 0],
[1, 1, 1, 0, 0]])
这个想法是在“外部”广播意义上将 [2,3] 与 [0,1,2,3,4] 进行比较。结果是布尔值，可以轻松更改为 0/1 整数。
另一种方法是使用cumsum（或另一个ufunc.accumulate函数）：
In [669]: A=np.zeros((2,5))
In [670]: A[range(2),[2,3]]=1
In [671]: A
Out[671]:
array([[ 0., 0., 1., 0., 0.],
[ 0., 0., 0., 1., 0.]])
In [672]: A.cumsum(axis=1)
Out[672]:
array([[ 0., 0., 1., 1., 1.],
[ 0., 0., 0., 1., 1.]])
In [673]: 1-A.cumsum(axis=1)
Out[673]:
array([[ 1., 1., 0., 0., 0.],
[ 1., 1., 1., 0., 0.]])
或以1's开头的变体：
In [681]: A=np.ones((2,5))
In [682]: A[range(2),[2,3]]=0
In [683]: A
Out[683]:
array([[ 1., 1., 0., 1., 1.],
[ 1., 1., 1., 0., 1.]])
In [684]: np.minimum.accumulate(A,axis=1)
Out[684]:
array([[ 1., 1., 0., 0., 0.],
[ 1., 1., 1., 0., 0.]])
【讨论】：