具有一个固定维度和一个可变长度维度的二维张量:如何将可变长度维度限制为最大长度?如果可变长度较短,则应保留最大值(而不是填充),但如果长度较长,则应将其剪掉。
例如,假设所有张量都具有该形状,(None, 4)
并且我希望将所有张量限制为(3, 4)
. 一个示例输入可以是:
tensor1 = tf.constant([
[1, 2, 0, 0],
[1, 3, 4, 0],
[0, 0, 0, 0],
[7, 7, 7, 7],
[7, 8, 9, 1],
], dtype=tf.int32)
...,应该修剪为:
tensor1_trimmed = tf.constant([
[1, 2, 0, 0],
[1, 3, 4, 0],
[0, 0, 0, 0],
], dtype=tf.int32)
但是,任何小于最大值的东西都应该保持不变:
tensor2 = tf.constant([
[9, 9, 9, 9],
[9, 9, 9, 9],
], dtype=tf.int32)
...应该保持完全相同:
tensor2_trimmed = tf.constant([
[9, 9, 9, 9],
[9, 9, 9, 9],
], dtype=tf.int32)
是否有任何内置命令可以做到这一点?或者你将如何实现这一目标?
tf.strided_slice
支持 numpy 样式的切片,因此您可以[:3,:]
在示例中使用
>>> tensor1 = tf.constant([
... [1, 2, 0, 0],
... [1, 3, 4, 0],
... [0, 0, 0, 0],
... [7, 7, 7, 7],
... [7, 8, 9, 1],
... ], dtype=tf.int32)
>>> tensor1[:3,:]
<tf.Tensor: shape=(3, 4), dtype=int32, numpy=
array([[1, 2, 0, 0],
[1, 3, 4, 0],
[0, 0, 0, 0]], dtype=int32)>
>>> tensor2 = tf.constant([
... [9, 9, 9, 9],
... [9, 9, 9, 9],
... ], dtype=tf.int32)
>>> tensor2[:3,:]
<tf.Tensor: shape=(2, 4), dtype=int32, numpy=
array([[9, 9, 9, 9],
[9, 9, 9, 9]], dtype=int32)>
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句