如何根据张量流中的第一列值处理张量中的不同行答案

【问题标题】：How to process different row in tensor based on the first column value in tensorflow如何根据张量流中的第一列值处理张量中的不同行
【发布时间】：2018-09-14 04:03:50
【问题描述】：

假设我有一个 4 x 3 张量：

sample = [[10, 15, 25], [1, 2, 3], [4, 4, 10], [5, 9, 8]]

我想返回另一个形状为 4 的张量：[r1,r2,r3,r4] 如果 row[0] 小于 5，则 r 等于 tf.reduce_sum(row)，或者 r 等于tf.reduce_mean(row) 如果 row[0] 大于或等于 5。输出：

output = [16.67, 6, 18, 7.33]

我不是 tensorflow 方面的专家，请帮助我了解如何在没有 for 循环的情况下在 python 3 中实现上述目标。谢谢

更新：

因此，我尝试调整@Onyambu 给出的答案以在函数中包含两个示例，但在所有情况下它都给了我一个错误。这是第一种情况的答案：

def f(x):
    c = tf.constant(5,tf.float32)
    def fun1():
        return tf.reduce_sum(x)
    def fun2():
        return tf.reduce_mean(x)
    return tf.cond(tf.less(x[0],c),fun1,fun2)
a = tf.map_fn(f,tf.constant(sample,tf.float32))

上面的效果很好。

两个样本：

sample1 = [[10, 15, 25], [1, 2, 3], [4, 4, 10], [5, 9, 8]]
sample2 = [[0, 15, 25], [1, 2, 3], [0, 4, 10], [1, 9, 8]]

def f2(x1,x2):
    c = tf.constant(1,tf.float32)
    def fun1():
        return tf.reduce_sum(x1[:,0] - x2[:,0])
    def fun2():
        return tf.reduce_mean(x1 - x2)
    return tf.cond(tf.less(x2[0],c),fun1,fun2)
a = tf.map_fn(f2,tf.constant(sample1,tf.float32), tf.constant(sample2,tf.float32))

改编确实会报错，但原理很简单：

如果 row[0] 小于 1，则计算 sample1[:,0] - sample2[:,0] 的 tf.reduce_sum
如果 row[0] 大于或等于 1，则计算 sample1 - sample2 的 tf.reduce_sum

提前感谢您的帮助！

【问题讨论】：

标签： python-3.x tensorflow

【解决方案1】：

import tensorflow as tf
def f(x):
    y = tf.constant(5,tf.float32)
    def fun1():
        return tf.reduce_sum(x)
    def fun2():
        return tf.reduce_mean(x)
    return tf.cond(tf.less(x[0],y),fun1,fun2)

a = tf.map_fn(f,tf.constant(sample,tf.float32))

with tf.Session() as sess: print(sess.run(a))

 [16.666666   6.        18.         7.3333335]

如果你想缩短它：

y = tf.constant(5,tf.float32)
f=lambda x: tf.cond(tf.less(x[0], y), lambda: tf.reduce_sum(x),lambda: tf.reduce_mean(x))

a = tf.map_fn(f,tf.constant(sample,tf.float32))
with tf.Session() as sess: print(sess.run(a))

【讨论】：