我有一个张量
[[0, 0, 0, 1, 0, 0],
[0, 3, 0, 0, 0, 1],
[0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0],
[0, 0, 0, 2, 0, 0],
[0, 0, 0, 0, 0, 0]]
如何生成仅包含前者非零索引的张量？
[[0,3],[1,1],[1,5],[4,3]]
我正在使用tfjs，因此它似乎没有boolean_mask或其他似乎在索引中使用的其他有用功能。是否可以.data()在数组上不使用转义填充和映射/过滤功能？（我只是将tensorflow用于其快速线性代数方法，这样就不会很糟糕，对吧？）
没错，目前没有运算符可以使用掩码定义分区。您可以将此答案视为解决方法。但是，即使使用掩码，这里的问题也无法轻易解决，因为创建分区的前提是事先知道要检索的索引。
为了解决这个问题，可以在输入张量和具有相同形状且所有元素都等于1的张量之间使用逻辑和。这很有用，因为如果返回张量，则返回与输入形状相同形状的张量，值为0。初始元素为0，否则为1.使用argMax，可以检索等于1的元素的索引
let t = tf.tensor2d([[0, 0, 0, 1, 0, 0], [0, 3, 0, 0, 0, 1], [0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0], [0, 0, 0, 2, 0, 0], [0, 0, 0, 0, 0, 0]])
let a = t.as1D()
const b = tf.cast(a, 'bool')
let helper = b.logicalAnd(tf.cast(tf.ones([a.size]), 'bool'))
const n = helper.sum().dataSync()[0]
const noNull = []
for(let i = 0; i < n ; i++) {
let ind = tf.argMax(helper)
let s = ind.dataSync()[0]
noNull.push(tf.argMax(helper).dataSync()[0])
if (s === 0) {
const [x, y] = helper.split([1, helper.size - 1])
helper = tf.concat(tf.tensor1d([0]), y)
} else if (s === helper.size) {
const [x, y] = helper.split([helper.size -1, 1])
helper = tf.concat(x, tf.tensor1d([0]))
} else {
const [x, _, y] = helper.split([s, 1, helper.size - s - 1])
helper = tf.concat([x,tf.tensor1d([0]), y])
}
}
const indexToCoords = (index, shape) => {
const pseudoShape = shape.map((a, b, c) => c.slice(b + 1).reduce((a, b) => a * b, 1))
let coords = []
let ind = index
for (let i = 0; i < shape.length; i++) {
coords.push(Math.floor(ind / pseudoShape[i]))
ind = ind % pseudoShape[i]
}
return coords
}
const coords = noNull.map(e => indexToCoords(e, t.shape))
console.log(coords)<html>
<head>
<!-- Load TensorFlow.js -->
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/[email protected]"> </script>
</head>
<body>
</body>
</html>在此线程之后，有一种更简单的方法可以实现相同的目的
(async function() {
const x = tf.tensor2d(
[[0, 0, 0, 1, 0, 0],
[0, 3, 0, 0, 0, 1],
[0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0],
[0, 0, 0, 2, 0, 0],
[0, 0, 0, 0, 0, 0]]);
const mask = x.greater([0]).asType('bool');
const coords = await tf.whereAsync(mask);
coords.print();
}());<html>
<head>
<!-- Load TensorFlow.js -->
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/[email protected]"> </script>
</head>
<body>
</body>
</html>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