如何计算张量中“真”值矩阵的数量？

Question

在以下维度 (5,1,5,5) 的张量中，我想计算所有值为“真”的 5*5（最内层）布尔矩阵的数量。 例如，

tf.constant([
 [[[ True,  True,  True,  True,  True],
   [False,  True, False,  True,  True],
   [False,  True, False,  True,  True],
   [ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True]]], 
    
 [[[ True,  True,  True,  True,  False],
   [False,  True,  True,  True,  True],
   [False,  True, False,  True,  True],
   [ True,  True,  True,  True,  True],
   [ True,  False,  True,  True,  True]]],
            
 [[[ True,  True,  True,  True,  True],
   [False,  True, False,  True,  True],
   [False,  True,  True,  True,  True],
   [ True,  False,  True,  False,  True],
   [ True,  True,  True,  True,  True]]],
 
 [[[ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True]]],
             
 [[[ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True]]],
 
 ])

在上面的张量中，共有 5 个最里面的矩阵，维度为 5 x 5。其中 3 个矩阵包含“假”和“真”值，而最后 2 个矩阵仅包含“真”值。我需要计算只有“真”值的矩阵总数与同时具有“真”和“假”值的矩阵总数的比率。在这种情况下，它将是： 只有“真”值的矩阵总数/矩阵总数 = 2/5

我如何计算这个？ 我能想到的一种方法是使用 tf.squeeze() 删除 1 维，然后将其转换为 numpy 数组，然后循环遍历它。但是，这不是优化的方法。我想使用 tensorflow（使用 tensor 数据类型而不是 numpy 数组）来做到这一点，因为这需要非常省时。

此外，我还想计算所有值为“真”的最内层行总数与总行数的比率。例如，在我们的例子中，它将是： 只有“真”值的总行数/总行数 = 16/25。 这也需要使用张量和高效的时间。

Answer 1

我认为你需要 tf.reduce_all 。

import tensorflow as tf
temp_tesnor = tf.constant([
 [[[ True,  True,  True,  True,  True],
   [False,  True, False,  True,  True],
   [False,  True, False,  True,  True],
   [ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True]]], 
    
 [[[ True,  True,  True,  True,  False],
   [False,  True,  True,  True,  True],
   [False,  True, False,  True,  True],
   [ True,  True,  True,  True,  True],
   [ True,  False,  True,  True,  True]]],
            
 [[[ True,  True,  True,  True,  True],
   [False,  True, False,  True,  True],
   [False,  True,  True,  True,  True],
   [ True,  False,  True,  False,  True],
   [ True,  True,  True,  True,  True]]],
 
 [[[ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True]]],
             
 [[[ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True],
   [ True,  True,  True,  True,  True]]],
 
 ])

temp_tesnor.shape # TensorShape([5, 1, 5, 5])

然后在维度为 1 的地方减少张量。

temp_tesnor = tf.squeeze(temp_tesnor, axis = [1])
temp_tesnor.shape # TensorShape([5, 5, 5])

查询1的结果

result1 = 0
for i in temp_tesnor:
    if tf.reduce_all(i):
        result1 += 1
print(result1)  # prints 2 . Divide here with your first dimension. here it is 5.

query2 的结果

result2 = 0
for inner_tensor in temp_tesnor:
    for i in inner_tensor:
        if tf.reduce_all(i):
            result2 += 1
print(result2) # prints 16 . divide here by multiplication of dimension 
#of last two axis . here it is 5*5 = 25

这一切都在 tensorflow 中完成。