从 TensorFlow 张量中获取行答案

【问题标题】：Get row from TensorFlow tensor从 TensorFlow 张量中获取行
【发布时间】：2020-08-11 13:54:59
【问题描述】：

我正在尝试在 TensorFlow 中定义一个自定义层，但我正在为数据处理而苦苦挣扎。据我了解，最常见的方法是计算一批输入的输出。这意味着如果输入张量被称为input，则input[n] 是该批次的n-th 训练输入。

现在让我们假设每个示例包含两个向量a 和b，它们将被区别对待。例如，如果一个训练示例是[[1,2,3],[4,5,6]]、a=[1,2,3] 和b=[4,5,6]。

然而，输入包含许多这样的例子，所以它可以是例子

[
    [[1, 2, 3], [4, 5, 6]],
    [[10, 27, 3],[4, 45, 61]]
]

有没有办法选择特定的“行”？

您可以选择带有input[n] 的示例，但我想获得一个张量，它是所有向量a 或所有向量b 的列表。如果您想选择向量a，上面示例的结果将是[[1,2,3],[10,27,13]]。

是否有另一种方法可以为单个训练示例定义操作并让 TensorFlow 以有效的方式在批处理的所有示例上执行它？

【问题讨论】：

标签： python tensorflow tensorflow-datasets

【解决方案1】：

我认为您可能正在寻找 lambda 层：

import tensorflow as tf

tensor = [[[1, 2, 3], [4, 5, 6]], [[10, 27, 3],[4, 45, 61]]]

ds = tf.data.Dataset.from_tensor_slices(tensor) 

times_2_times_3 = lambda x: (tf.multiply(x[0], 2), tf.multiply(x[1], 3))

layer = tf.keras.layers.Lambda(times_2_times_3)

layer(next(iter(ds)))

(<tf.Tensor: shape=(3,), dtype=int32, numpy=array([2, 4, 6])>,
 <tf.Tensor: shape=(3,), dtype=int32, numpy=array([12, 15, 18])>)

【讨论】：

【解决方案2】：

我刚刚解决了。我正在寻找切片操作员。给定输入

x=[[[1, 2, 3], [4, 5, 6]],
[[10, 27, 3],[4, 45, 61]]]

你可以通过运行获得 tens[[1,2,3],[10,27,13]] result=x[:,0] 这意味着从第 0 维（“批量维”）中选择所有元素，从第 1 维中选择第一个元素。恐怕 lambda 层解决方案仅适用于单个训练示例。

【讨论】：