Tensorflow：张量二值化答案

【问题标题】：Tensorflow: tensor binarizationTensorflow：张量二值化
【发布时间】：2018-11-21 14:37:30
【问题描述】：

我想以这样一种方式转换这个数据集，即每个张量都有一个给定的大小n，并且当且仅当有一个i 时，这个新张量的索引i 处的特征设置为 1在原始特征中（模 n）。

我希望下面的例子能让事情更清楚

假设我有一个像这样的数据集：

t = tf.constant([
  [0, 3, 4],
  [12, 2 ,4]])
ds = tf.data.Dataset.from_tensors(t)

我想得到（如果n = 9）

t = tf.constant([
  [1, 0, 0, 1, 1, 0, 0, 0, 0], # index set to 1 are 0, 3 and 4
  [0, 0, 1, 1, 1, 0, 0, 0, 0]]) # index set to 1 are 2, 4, and 12%9 = 3

我知道如何将模应用于张量，但我不知道如何进行其余的转换谢谢

【问题讨论】：

标签： python tensorflow

【解决方案1】：

这类似于tf.one_hot，只是同时用于多个值。这是一种方法：

import tensorflow as tf

def binarization(t, n):
    # One-hot encoding of each value
    t_1h = tf.one_hot(t % n, n, dtype=tf.bool, on_value=True, off_value=False)
    # Reduce across last dimension of the original tensor
    return tf.cast(tf.reduce_any(t_1h, axis=-2), t.dtype)

# Test
with tf.Graph().as_default(), tf.Session() as sess:
    t = tf.constant([
        [ 0,  3,  4],
        [12,  2,  4]
    ])
    t_m1h = binarization(t, 9)
    print(sess.run(t_m1h))

输出：

[[1 0 0 1 1 0 0 0 0]
 [0 0 1 1 1 0 0 0 0]]

【讨论】：

谢谢，你能解释一下轴=-2吗？我明白你在做什么，但我不明白你是怎么想出-2的。
@taktak004 对，所以在您执行tf.one_hot 之后，最后会添加一个新维度。但是，您希望减少输入张量的最后一个维度（例如，您的示例中的“列”0, 3, 4 和 12, 2, 4。此维度不会是 t_1h 中的最后一个维度（因为这是新的one-hot 维度），但是pre-to-last 维度，可以参考-2。希望能更清楚一点？
@taktak004 是的，确切的想法是它可以与向量或矩阵或其他任何东西一起使用（实际上，我认为它对于标量会失败）。您还可以为减少的轴和/或新轴的位置添加显式参数，但这似乎过于复杂。
附加问题，如何更改它以处理稀疏张量？
我创建了一个新问题，因为我认为方法实际上会完全不同：stackoverflow.com/questions/53450218/…