在张量流条件下减少总和

2024-05-08 • 问答

为我提供了具有随机行的2D张量。应用tf.math.greater()和tf.cast(tf.int32)之后，剩下的张量为0和1。我现在想将归约和应用于该矩阵，但有一个条件：如果至少有一个1求和，并且后面跟随一个0，我也要删除所有后面的1，这意味着1 0 1应该导致1而不是2。

我试图用tf.scan()解决问题，但是我仍然无法提出一个能够处理以0开头的函数，因为该行可能看起来像：0 0 0 1 0 1 一种想法是将矩阵的下部设置为1（据我所知，对角线剩下的一切始终为0），然后运行类似tf.scan()的函数来滤除斑点（请参见代码和错误消息）下面）。

Let z be the matrix after tf.cast.

helper = tf.matrix_band_part(tf.ones_like(z),-1,0)
z = tf.math.logical_or(tf.cast(z,tf.bool),tf.cast(helper,tf.bool))
z = tf.cast(z,tf.int32)
z = tf.scan(lambda a,x: x if a == 1 else 0,z)

结果：

ValueError: Incompatible shape for value ([]),expected ([5])

import tensorflow as tf # Example data a = tf.constant([[0,0],[1,[0,1,1],1]]) # Cumsum columns c = tf.math.cumsum(a,axis=1) # Column-wise differences diffs = tf.concat([tf.ones([tf.shape(c)[0],c.dtype),c[:,1:] - c[:,:-1]],axis=1) # Find point where we should not sum anymore (cumsum is not zero and difference is zero) cutoff = tf.equal(a,0) & tf.not_equal(c,0) # Make mask mask = tf.math.cumprod(tf.dtypes.cast(~cutoff,tf.uint8),axis=1) # Compute result result = tf.reduce_max(c * tf.dtypes.cast(mask,axis=1) print(result.numpy()) # [0 1 2 1 3 2 3 4]

在张量流条件下减少总和

jiabing305 回答：在张量流条件下减少总和

大家都在问