tensorflow indeksleme işini

Question

sorun tensorflow ile temel bir kavram anlama yaşıyorum nasıl yapar. İndeksleme tensör okuma/yazma işlemleri için nasıl çalışır? Bu spesifik bir hale getirmek için, ne kadar aşağıdaki numpy örnekler tensorflow tercüme edilebilir (diziler, endeksler ve değerler için tansörleri tahsis edilir):

x = np.zeros((3, 4)) 
row_indices = np.array([1, 1, 2]) 
col_indices = np.array([0, 2, 3]) 
x[row_indices, col_indices] = 2 
x 

çıkışı ile:

array([[ 0., 0., 0., 0.], 
     [ 2., 0., 2., 0.], 
     [ 0., 0., 0., 2.]]) 

.. . ve ... çıkışı ile

x[row_indices, col_indices] = np.array([5, 4, 3]) 
x 

:

array([[ 0., 0., 0., 0.], 
     [ 5., 0., 4., 0.], 
     [ 0., 0., 0., 3.]]) 

... ve nihayet ... çıkışı ile

y = x[row_indices, col_indices] 
y 

:

array([ 5., 4., 3.]) 

Answer 1

güzel bunu desteklemek için github sorunu #206 var, bu arada, ayrıntılı çözüm yolları

başvurmak zorunda ilk örnek, bir veya diğer

0.123.571, her elemanın seçerek iki aynı şekilli tansörlerine birleştiren tf.select ile yapılabilir scatter_update yalnızca doğrusal endeksleri üzerinde destekler ve değişkenler üzerinde çalışır hariç

,

[[ 0. 0. 0. 0.] 
[ 2. 0. 2. 0.] 
[ 0. 0. 0. 2.]] 

ikincisi scatter_update ile yapılabilir verir. Böylece geçici bir değişken oluşturabilir ve bu şekilde yeniden şekillendirmeyi kullanabilirsiniz. , Sen

print tf.gather_nd(x, coords).eval() 

almak için yazmak

# get linear indices 
linear_indices = row_indices*x.get_shape()[1]+col_indices 

# turn 'x' into 1d variable since "scatter_update" supports linear indexing only 
x_flat = tf.Variable(tf.reshape(x, [-1])) 

# no automatic promotion, so make updates float32 to match x 
updates = tf.constant([5, 4, 3], dtype=tf.float32) 

sess.run(tf.initialize_all_variables()) 
sess.run(tf.scatter_update(x_flat, linear_indices, updates)) 

# convert back into original shape 
x = tf.reshape(x_flat, x.get_shape()) 

print x.eval() 

Nihayet üçüncü örnek zaten gather_nd ile desteklenir

[[ 0. 0. 0. 0.] 
[ 5. 0. 4. 0.] 
[ 0. 0. 0. 3.]] 

verir (eğer dynamic_stitch kullanabilirsiniz değişkenler önlemek için, sonuna bakınız)

[ 5. 4. 3.] 

Düzenleme, 6 Mayıs

seyrek değerlerin vektörünü veya dynamic_stitch

sess = tf.InteractiveSession() 
x = tf.zeros((3, 4)) 
row_indices = tf.constant([1, 1, 2]) 
col_indices = tf.constant([0, 2, 3]) 

# no automatic promotion, so specify float type 
replacement_vals = tf.constant([5, 4, 3], dtype=tf.float32) 

# convert to linear indexing in row-major form 
linear_indices = row_indices*x.get_shape()[1]+col_indices 
x_flat = tf.reshape(x, [-1]) 

# use dynamic stitch, it merges the array by taking value either 
# from array1[index1] or array2[index2], if indices conflict, 
# the later one is used 
unchanged_indices = tf.range(tf.size(x_flat)) 
changed_indices = linear_indices 
x_flat = tf.dynamic_stitch([unchanged_indices, changed_indices], 
          [x_flat, replacement_vals]) 
x = tf.reshape(x_flat, x.get_shape()) 
print x.eval() 

güvenerek alır x[cols,rows]=newvals sparse_to_dense ile select kullanarak (oturum çalıştırmak çağrılar arasında bellek işgal) Değişkenler kullanılmadan yapılabilir güncelleme Eğer Numpy ile yapabileceğiniz