使用 tensorflow 对两个张量进行排序和合并答案

【问题标题】：Sorting and merging two tensors with tensorflow使用 tensorflow 对两个张量进行排序和合并
【发布时间】：2019-01-30 21:01:35
【问题描述】：

我有两个张量，A 和 B，每个都是 Nx3。我还有一个布尔张量 C = Nx1。我想使用这个布尔值按照 C 的值合并 A 和 B。例如：

A = [[ a1, a2, a3],
     [ a4, a5, a6],
     [ a7, a8, a9]]

B = [[ b1, b2, b3],
     [ b4, b5, b6],
     [ b7, b8, b9]]

C = [True, True, False]

我想要的是得到这样的东西：

D = [[[ a1, a2, a3],
      [ b1, b2, b3]],

     [[ a4, a5, a6],
      [ b4, b5, b6]],

     [[ b7, b8, b9],
      [ a7, a8, a9]]]

如您所见，两个张量都已合并，行先行的顺序由 C 的值决定。

两个Nx3张量A和B通过合并原始张量的行合并成一个D = Nx2x3张量。它们添加到 Nx2x3 张量的顺序取决于布尔张量 C，即

如果 C[i] = True，则 D[i,0,:] = A[i,:] 并且 D[i, 1, :] = B[i, :]。如果 C[i] = False，则 D[i, 0, :] = B[i, :] 和 D[i, 1, :] = A[i, :]

我确信有一个简单的方法可以解决这个问题，但我无法弄清楚。

【问题讨论】：

您能进一步解释一下吗？
我正在通过合并原始张量的行将两个 Nx3 张量 A 和 B 合并为一个 D = Nx2x3 张量。它们添加到 Nx2x3 张量的顺序取决于布尔张量 C，即如果 C[i] = True、D[i,0,:] = A[i,:] 和 D[i, 1, ： ] = B[i, :]。如果 C[i] = False，则 D[i, 0, :] = B[i, :] 和 D[i, 1, :] = A[i, :]
添加您的详细信息以更清楚。

标签： python-3.x sorting tensorflow merge

【解决方案1】：

如果A、B和C是Numpy的数组，可以通过这种方式使用Numpy的屏蔽索引技术合并它们：

D = np.zeros((N,2,3))
D[C,0,:] = A[C]
D[~C,0,:] = B[~C]
D[~C,1,:] = A[~C]
D[C,1,:] = B[C]

事实上，C 不一定是 Numpy 的数组。列表可以作为 Python 中数组的索引。

【讨论】：

【解决方案2】：

所以我找到了一个解决方案，尽管它可能不是一个有效的解决方案。如果其他人有同样的问题，我的工作方式如下（使用与上面相同的 A、B、C 和 D）：

row_num = tf.cast(tf.reshape(tf.range(A.shape[0]), [-1, 1]), tf.int64)
AB = tf.concat([tf.expand_dims(A, 1), tf.expand_dims(B, 1)], axis=1)
filt_top = tf.reshape(tf.cast(C, tf.int64), [-1, 1])
filt_bottom = tf.reshape(tf.cast(tf.logical_not(C), tf.int64), [-1, 1])
filt = tf.concat([row_num, filt_top, filt_bottom], axis=1)
D_top = tf.map_fn(lambda x: AB[x[0], x[1], :], filt, dtype=tf.float32)
D_bottom = tf.map_fn(lambda x: AB[x[0], x[2], :], filt, dtype=tf.float32)
D = tf.concat([D_top, D_bottom], axis=1)

【讨论】：