从张量流中的向量创建二进制张量答案

【问题标题】：Create binary tensor from vector in tensorflow从张量流中的向量创建二进制张量
【发布时间】：2018-05-28 17:06:26
【问题描述】：

我从带有N 整数条目的一维numpy 数组x（或张量流张量）开始。每个条目都小于或等于N。我现在想创建一个形状为(N,N) 的张量Y（即一个NxN 矩阵），其中Y[i,j]=0 如果x[i]!=x[j] 和Y[i,j]=1 如果x[i]==x[j]。

以 numpy 为例：

import numpy as np
x=np.array([1,2,1,2,3,4,2])
Y=np.zeros((x.shape[0],x.shape[0]))
for i in range(x.shape[0]):
    for j in range(x.shape[0]):
        if x[i]==x[j]:
            Y[i,j]=1

输出

array([[ 1.,  0.,  1.,  0.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  1.,  0.,  0.,  1.],
       [ 1.,  0.,  1.,  0.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  1.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 0.,  1.,  0.,  1.,  0.,  0.,  1.]])

如何在纯 tensorflow 代码中高效地创建相同的函数？

并且：如果我有一个额外的批处理维度，那么输入 x 的形状为 (B,N) 并且我期望输出 Y 的形状为 (B,N,N)。这些批次都是相互独立的。

【问题讨论】：

标签： python numpy tensorflow

【解决方案1】：

将x 重塑为两个不同的形状，(B, 1, N) 和 (B, N, 1)，以便它们可以正确广播，然后比较这两个张量，结果将是您所需要的 1 是 True 和 @987654326 @被False:

import tensorflow as tf    
import numpy as np
x=np.array([1,2,1,2,3,4,2])

t = tf.constant(x)

r = tf.cast(
  tf.equal(
    tf.reshape(t, (-1, 1, t.shape[-1].value)), 
    tf.reshape(t, (-1, t.shape[-1].value, 1))
  ), tf.int8)

sess = tf.Session()

sess.run(r)
#array([[[1, 0, 1, 0, 0, 0, 0],
#        [0, 1, 0, 1, 0, 0, 1],
#        [1, 0, 1, 0, 0, 0, 0],
#        [0, 1, 0, 1, 0, 0, 1],
#        [0, 0, 0, 0, 1, 0, 0],
#        [0, 0, 0, 0, 0, 1, 0],
#        [0, 1, 0, 1, 0, 0, 1]]], dtype=int8)

【讨论】：

【解决方案2】：

import tensorflow as tf
x = tf.constant([1,2,1,2,3,4,2])
x = tf.expand_dims(x, axis=0)
x = tf.tile(x, [x.shape[1], 1])
x_ = tf.transpose(x)
Y = tf.where(tf.equal(x,x_), tf.ones_like(x), tf.zeros_like(x))

你有你的向量x。您将 dims 扩展为具有矩阵 [1, x.shape]。然后你重复它以获得沿线的相同向量的副本。因此，x[i] == x[j] 等价于 x == x_ 其中 x_ 是矩阵 x 的转置。

tf.where 是一个条件张量。您给出条件 (x == x_)，对于每个元素，如果为真，它将采用第一个值 (tf.ones_like)，如果为假，它将采用第二个值 (tf.zeros_like)。那些*_like(x) 函数正在生成一个充满 0 或 1 的张量，其形状与 x 相同。

【讨论】：