我正在尝试执行将二维矩阵的切片乘以常数的运算。
例如,如果我想将除前两列之外的所有内容相乘
要在 numpy 中执行此操作,可以这样做:
a = np.array([[0,7,4],
[1,6,4],
[0,2,4],
[4,2,7]])
a[:, 2:] = 2.0*a[:, 2:]
>> a
>> array([[ 0, 7, 8],
[ 1, 6, 8],
[ 0, 2, 8],
[ 4, 2, 14]])
但是,至少从我的搜索来看,tensorflow 目前没有直接的方法来做到这一点。
我当前的解决方案是创建 a 最初作为两个单独的张量 a1 和 a2,将第二个张量乘以 2.0,然后将它们跨 axis=1 连接起来。操作非常简单,这是可能的。不过我有两个问题
- 这是最有效的方法吗
- 是否有更好的(通用/高效)方法来执行此操作,以使功能更接近 numpy 的切片魔法(也许 https://www.tensorflow.org/api_docs/python/tf/scatter_
最佳答案
一种选择是执行逐项乘法,如下所示:
import tensorflow as tf
a = tf.Variable(initial_value=[[0,7,4],[1,6,4],[0,2,4],[4,2,7]])
b = tf.mul(a,[1,1,2])
s=tf.InteractiveSession()
s.run(tf.global_variables_initializer())
b.eval()
这会打印
array([[ 0, 7, 8],
[ 1, 6, 8],
[ 0, 2, 8],
[ 4, 2, 14]])
更一般地说,如果 a
有更多列,您可以执行类似的操作:
import tensorflow as tf
a = tf.Variable(initial_value=[[0,7,4],[1,6,4],[0,2,4],[4,2,7]])
b = tf.mul(a,[1,1]+[2 for i in range(a.get_shape()[1]-2)])
s=tf.InteractiveSession()
s.run(tf.global_variables_initializer())
b.eval()
或者,如果您的矩阵有很多列,您可以替换
b = tf.mul(a,[1,1]+[2 for i in range(a.get_shape()[1]-2)])
与
import numpy as np
b = tf.mul(a,np.concatenate((np.array([1,1]),2*np.ones(a.get_shape()[1]-2))))
关于numpy - 在 Tensorflow 中进行基于切片的乘法的最有效方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44480656/