如何根据tensorflow 1.10中的张量值将（m，50）张量减少为（m，25）张量

Question

例如，

# (m, 50) tensor a
print(a)

<tf.Tensor: id=11543, shape=(3, 50), dtype=int32, numpy=
array([[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 15, 32, 1, 1, 7, 1, 1, 1, 1, 1, 1, 1,
        1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
        0, 0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1, 11, 1, 1, 1, 11, 1, 1, 1, 1, 1, 8, 1, 1, 1, 1, 1, 1,
        1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
        0, 0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1, 421, 1, 1, 1, 1, 1, 1, 1, 1, 1, 12, 1, 1, 1, 1, 1, 1,
        1, 1, 42, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
        0, 0, 0, 0, 0, 0]], dtype=int32)>

# (m, 50) tensor b
print(b)
<tf.Tensor: id=20624, shape=(3, 50), dtype=int32, numpy=
array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
        0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
        1, 1, 1, 1, 1, 1],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
        0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
        1, 1, 1, 1, 1, 1],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
        0, 0, 0, 1, 11, 12, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
        1, 1, 1, 1, 142, 1]], dtype=int32)

张量形状是(m, 50)，其中一半全为0，所以我想将张量减少为(m, 25)，它会丢弃所有0的一半。
我想知道如何在tf 1.10 中实现它。

Answer 1

我假设已知每行中的零数正好代表列大小的一半。如果没有，那么删除零将导致不规则的张量（具有不同维度大小的张量），tf v1.10.0 不支持。

您可以创建一个遮罩，其中张量中的元素大于 0，然后使用 tf.boolean_mask 将它们遮盖掉（而且我们将不得不重塑结果，因为 tensorflow 1.10 无法推断出新形状）。

import tensorflow as tf


# using the `a` defined in your question
mask = tf.cast(a > 0, dtype=tf.int32)
result = tf.boolean_mask(a, mask)
result = tf.reshape(result, (3, 25))


with tf.Session() as sess:
    print(result.eval())

# [[  1   1   1   1   1   1   1   1   1   1  15  32   1   1   7   1   1   1
#     1   1   1   1   1   1   1]
#  [  1   1   1   1   1  11   1   1   1  11   1   1   1   1   1   8   1   1
#     1   1   1   1   1   1   1]
#  [  1   1   1   1   1 421   1   1   1   1   1   1   1   1   1  12   1   1
#     1   1   1   1   1   1  42]]