如何将索引列表转换为一维布尔张量答案

【问题标题】：How can I transform a list of indices into a 1d boolean tensor如何将索引列表转换为一维布尔张量
【发布时间】：2021-08-21 03:45:45
【问题描述】：

我想要一个 tf.function 从标签文件返回一个固定长度的一维布尔张量，每个匹配的索引范围为 True。索引范围可以重叠。但我坚持将索引转换为平面布尔张量。

我正在读取一个文件，其中每一行都是一个标签和一个固定长度的开始和结束索引。对于这个例子，我们可以说固定长度是 50。

标签文件内容示例：

frog 4.0 10.0
frog 20.0 30.0
goat 2.0 20.0
camel 4.0 15.0

原来是这样

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

这是一个到目前为止运行良好的 tf.function，但我被困在如何获得最终张量上。我正在使用 dataset.map(load_label) 执行这个 tf.function。

def load_label(file_path, accepted_labels=['goat', 'frog']):
    label_datas = tf.io.read_file(file_path)
    label_datas = tf.strings.strip(label_datas)
    label_datas = tf.strings.split(label_datas, sep='\n')
    label_datas = tf.strings.split(label_datas, sep=' ')

    label_datas = label_datas.to_tensor(default_value='0.0', shape=[None, 3])

    list_of_indices = []
    for label_data in label_datas:
        equal = tf.math.equal(label_data[0], accepted_labels)
        if tf.reduce_any(equal):
            start = tf.strings.to_number(label_data[1], out_type=tf.float32)
            end = tf.strings.to_number(label_data[2], out_type=tf.float32)
            start = tf.cast(start, tf.int32)
            end = tf.cast(end, tf.int32)

            list_of_indices.append(tf.range(start, end, 1))

    list_of_indices = tf.concat(list_of_indices, axis=0)

    list_of_indices, idx = tf.unique(list_of_indices)

【问题讨论】：

标签： python tensorflow

【解决方案1】：

我实际上找到了使用 tensorArray 和 reduce_sum 的解决方案。

我相信它可以进一步优化。这里是：

def load_label(file_path, accepted_labels=['goat', 'frog']):
    label_datas = tf.io.read_file(file_path)
    label_datas = tf.strings.strip(label_datas)
    label_datas = tf.strings.split(label_datas, sep='\n')
    label_datas = tf.strings.split(label_datas, sep=' ')

    label_datas = label_datas.to_tensor(default_value='0.0', shape=[None, 3])

    label_ta = tf.TensorArray(tf.int32, size=0, dynamic_size=True, clear_after_read=False)
    ta_index_count = 0
    for label_data in label_datas:
        equal = tf.math.equal(label_data[0], accepted_labels)
        if tf.reduce_any(equal):
            start = tf.strings.to_number(label_data[1], out_type=tf.float32)
            end = tf.strings.to_number(label_data[2], out_type=tf.float32)
            start = tf.cast(start, tf.int32)
            end = tf.cast(end, tf.int32)

            label_ta = label_ta.write(ta_index_count, tf.concat(
                [tf.zeros((start), dtype=tf.int32),
                 tf.ones((end - start), dtype=tf.int32),
                 tf.zeros((new_length - end), dtype=tf.int32)], 0))
        else:
            label_ta = label_ta.write(ta_index_count, tf.zeros((new_length), dtype=tf.int32))
        ta_index_count = ta_index_count + 1

    label_ta = label_ta.stack()
    label_ta = tf.reduce_sum(label__ta, 0)
    label_ta = tf.where(label_ta > 0, 1, 0)
    return label_ta

【讨论】：