如何从给定的二维张量中提取 n 个一维张量？

Question

我有一个二维张量：

a = [[6, 5, 4], [3, 2, 1], [1, 2, 3], [4, 5, 6], [7, 8, 1], [5, 2, 6]]

我想随机和不重复提取K个一维张量。接下来，将它们组合到另一个二维张量 b:

b = [5, 2, 6], [3, 2, 1], [6, 5, 4]

我没有找到任何这样做的功能，所以我按如下方式实现它：

rand_var_1 = tf.random_crop(a, size=[1, 3], seed=1)
rand_var_2 = tf.random_crop(a, size=[1, 3], seed=2)
rand_var_3 = tf.random_crop(a, size=[1, 3], seed=3)
rand_var_4 = tf.random_crop(a, size=[1, 3], seed=4)
b = tf.concat(0, [rand_var_1, rand_var_2, rand_var_3, rand_var_4])

b_rs = sess.run(b)
print "b_rs:\n",b_rs

但结果具有重复的一维张量，例如：

bb=[[5, 2, 6], [3, 2, 1], [5, 2, 6]]

有人可以帮我解决这个问题吗？

Answer 1

以下应该有效，基本上生成数组长度为数组 a 的数字数组，将它们打乱并使用第一个 K 索引并获取行，

import numpy as np

#Number of samples
K = 3

#Array
a =[[6, 5, 4], [3, 2, 1], [1, 2, 3], [4, 5, 6], [7, 8, 1], [5, 2, 6]]
N = len(a)

#Get an array on size of a, shuffle and take first K to use
#permutation used as suggested by @EelcoHoogendoorn
indices = np.random.permutation(N)

#Take the first k samples
samples = indices[:K]
b = [a[i] for i in samples]

#Print
print('a = ', a)
print('b = ', b)

如何从给定的二维张量中提取 n 个一维张量？

How to extract n 1-D tensors from a given 2-D tensor?

python

numpy

tensorflow