Tensorflow：将数组与张量中的特定元素相加/乘积

Question

您好，我有一个稀疏格式的浮点 [时间，位置] 坐标数组，例如

times = [0.1, 0.1, 1.5, 1.9, 1.9, 1.9]
posit = [2.1, 3.5, 0.4, 1.3, 2.7, 3.5]

以及一系列速度，例如

vel = [0.5,0.7,1.0]

我必须将i-th 的每个位置与vel 的i-th 元素相乘。

在 numpy 中使用 for 非常简单：

import numpy

times = numpy.array([0.1, 0.1, 1.5, 1.9, 1.9, 1.9])
posit = numpy.array([2.1, 3.5, 0.4, 1.3, 2.7, 3.5])

vel = numpy.array([0.5,0.7,1.0])

uniqueTimes = numpy.unique(times, return_index=True)
uniqueIndices = uniqueTimes[1]
uniqueTimes = uniqueTimes[0]

numIndices = numpy.size(uniqueTimes)-1
iterator = numpy.arange(numIndices)+1
for i in iterator:
    posit[uniqueIndices[i-1]:uniqueIndices[i]] = posit[uniqueIndices[i-1]:uniqueIndices[i]]*vel[i-1]

在张量流中，我可以收集我需要的所有信息

import tensorflow as tf

times = tf.constant([0.1, 0.1, 1.5, 1.9, 1.9, 1.9])
posit = tf.constant([2.1, 3.5, 0.4, 1.3, 2.7, 3.5])

vel = tf.constant([0.5,0.7,1.0])   

uniqueTimes, uniqueIndices, counts = tf.unique_with_counts(times)
uniqueIndices = tf.cumsum(tf.pad(tf.unique_with_counts(uniqueIndices)[2],[[1,0]]))[:-1]

但我不知道如何做这个产品。使用int 元素我可以使用稀疏到密集的张量并使用tf.matmul，但使用float 我不能。 此外，循环很困难，因为map_fn 和while_loop 要求每个“行”的大小相同，但我每次都有不同数量的位置。出于同样的原因，我不能每次都单独工作并用tf.concat 更新最终的positions 张量。有什么帮助吗？也许使用scatter_update 或变量赋值？

---

根据 vijai m 的回答，我发现 numpy 和 tensorflow 代码之间的差异高达 1.5%。您可以使用这些数据进行检查

times [0.1,  0.1, 0.2, 0.2]
posit [58.98962402,  58.9921875, 60.00390625, 60.00878906]
vel [0.99705114,0.99974157]

他们回来了

np: [ 58.81567188  58.8182278   60.00390625  60.00878906]
tf: [ 58.81567001  58.81822586  59.98839951  59.9932785 ]
differences: [  1.86388465e-06   1.93737304e-06   1.55067444e-02   1.55105566e-02]

Answer 1

您的 numpy 代码不起作用。我希望这是您正在寻找的：

uniqueTimes, uniqueIndices, counts = tf.unique_with_counts(times)
out = tf.gather_nd(vel,uniqueIndices[:,None])*posit