给定一个包含整数(代表类别)的未知维度 [?, ?] 的二维张量,我想获得一个具有相同形状的新张量,但值替换为从查找表(代表类别)中获取的 float 权重)。
例如:
inputs = [ [1,3,3], [2,4,2] ]
lookup table: {1: 0.2, 2: 0.25, 3: 0.1, 4: 0.45}
output: [ [0.2, 0.1, 0.1], [0.25, 0.45, 0.25] ]
我尝试用 tf.map_fn 链接两个 lambda 函数,遍历每一行,然后遍历每个元素:
elem_iter = lambda y: unknown_lookup_function(y)
row_iter = lambda x: elem_iter(x)
weights = tf.map_fn(row_iter, inputs, dtype=tf.float32)
但找不到定义查找函数的正确方法。 关于如何实现此行为的任何建议?有没有我可以使用的原生操作来代替 map_fn ?
最佳答案
我想你想使用 tf.gather
:
想法是将查找表存储为数组。在 i
的索引处,您存储了输入 i
的查找值。如果您的 key 不是整数而是字符串,则需要使用 index_table_from_file
.
# Note I pad a dummpy element at index-0.
lookup_table = tf.constant([0, 0.2, 0.25, 0.1, 0.45])
inputs = tf.constant([ [1,3,3], [2,4,2] ])
output = tf.gather(lookup_table, inputs)
with tf.Session() as sess:
print sess.run(output)
>
[[ 0.2 0.1 0.1 ]
[ 0.25 0.44999999 0.25 ]]
关于python - Tensorflow 表查找 int->float,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46371866/