TensorFlow - numpy benzeri tensör indeksleme Numpy olarak

Question

, bunu yapabiliriz:

x = np.random.random((10,10)) 
a = np.random.randint(0,10,5) 
b = np.random.randint(0,10,5) 
x[a,b] # gives 5 entries from x, indexed according to the corresponding entries in a and b 

Ben TensorFlow eşdeğer bir şey çalıştığınızda:

xt = tf.constant(x) 
at = tf.constant(a) 
bt = tf.constant(b) 
xt[at,bt] 

son satırı bir "Kötü dilim endeksi tensörünü verir "istisna. TensorFlow, numpy veya Theano gibi dizinlemeyi desteklemiyor gibi görünüyor.

Bunu yapmanın bir TensorFlow yolu olup olmadığını bilen herhangi biri var mı (bir tensörü keyfi değerlerle indekslemek). Tf.nn.embedding parçasını gördüm, ancak bunun için kullanılabileceğinden emin değilim ve yapabilseler bile, bu basit bir şey için büyük bir çözümdür.

(Şu anda, girdi olarak x veri besleme ve Numpy içinde indeksleme yapıyor ama daha yüksek verim elde etmek için TensorFlow içine x koymak ümit ediyorum)

Answer 1

LDGN en comment doğrudur. Bu şu anda mümkün değildir ve istenen bir özelliktir. issue#206 on github'u takip ederseniz,/olduğunda bu durum güncellenir. Birçok kişi bu özelliği ister.

Answer 2

tf 0.11 için temel indeksleme uygulandı. Daha gelişmiş endeksleme (boole indeksleme gibi) hala eksiktir, ancak görünüşe göre futur versiyonları için planlanmıştır.

Gelişmiş indeksleme https://github.com/tensorflow/tensorflow/issues/4638

Answer 3

ile izlenebilir Aslında yapabilirsiniz şimdi tf.gather_nd o. Diyelim ki aşağıdaki gibi m bir matris var diyelim:

| 1 2 3 4 | 
| 5 6 7 8 | 

Ve böyle, m unsurları inşa, diyelim, büyüklüğü r 3x2 bir matris oluşturmak istiyorum:

| 3 6 | 
| 2 7 | 
| 5 3 | 
| 1 1 | 

r öğesinin her bir öğesi m numaralı satıra ve sütuna karşılık gelir ve bu dizinlerle rows ve cols matrislerine sahip olabilirsiniz (sıfırlandığımız için sıfır tabanlı, matematik yapıyoruz!):

 | 0 1 |   | 2 1 | 
rows = | 0 1 | cols = | 1 2 | 
     | 1 0 |   | 0 2 | 
     | 0 0 |   | 0 0 | 

Böyle bir 3 boyutlu tensör içine yığabilirsiniz hangisi şu şekildedir:

| | 0 2 | | 1 1 | | 
| | 0 1 | | 1 2 | | 
| | 1 0 | | 2 0 | | 
| | 0 0 | | 0 0 | | 

Bu şekilde, colsrows aracılığıyla r için m almak ve edebilirsiniz:

import numpy as np 
import tensorflow as tf 

m = np.array([[1, 2, 3, 4], [5, 6, 7, 8]]) 
rows = np.array([[0, 1], [0, 1], [1, 0], [0, 0]]) 
cols = np.array([[2, 1], [1, 2], [0, 2], [0, 0]]) 

x = tf.placeholder('float32', (None, None)) 
idx1 = tf.placeholder('int32', (None, None)) 
idx2 = tf.placeholder('int32', (None, None)) 
result = tf.gather_nd(x, tf.stack((idx1, idx2), -1)) 

with tf.Session() as sess: 
    r = sess.run(result, feed_dict={ 
     x: m, 
     idx1: rows, 
     idx2: cols, 
    }) 
print(r) 

Çıkış:

[[ 3. 6.] 
[ 2. 7.] 
[ 5. 3.] 
[ 1. 1.]]