在 Tensorflow 中堆叠不同长度的向量
Stack vectors of different lengths in Tensorflow
如何在tensorflow中堆叠不同长度的向量,例如来自
[1, 3, 5]
[2, 3, 9, 1, 1]
[6, 2]
获取零填充矩阵
[1, 3, 5, 0, 0]
[2, 3, 9, 1, 1]
[6, 2, 0, 0, 0]
向量计数在定义时已知,但它们的长度未知。使用 tf.where(condition)
生成向量
你可以这样做的一种方法是:
In [11]: v1 = [1, 3, 5]
In [12]: v2 = [2, 3, 9, 1, 1]
In [14]: v3 = [6, 2]
In [38]: max_len = max(len(v1), len(v2), len(v3))
In [39]: pad1 = [[0, max_len-len(v1)]]
In [40]: pad2 = [[0, max_len-len(v2)]]
In [41]: pad3 = [[0, max_len-len(v3)]]
# pads 0 to original vectors up to `max_len` length
In [42]: v1_padded = tf.pad(v1, pad1, mode='CONSTANT')
In [43]: v2_padded = tf.pad(v2, pad2, mode='CONSTANT')
In [44]: v3_padded = tf.pad(v3, pad3, mode='CONSTANT')
In [53]: res = tf.stack([v1_padded, v2_padded, v3_padded], axis=0)
In [56]: res.eval()
Out[56]:
array([[1, 3, 5, 0, 0],
[2, 3, 9, 1, 1],
[6, 2, 0, 0, 0]], dtype=int32)
为了使其有效地使用 N
向量,您可能应该使用 for
循环为所有向量和随后填充的向量准备 pad
变量。并且,最后使用 tf.stack
沿 0
轴堆叠这些填充向量以获得您想要的结果。
P.S.:从tf.where(condition)
.
获取向量后,可以动态获取向量的长度
如何在tensorflow中堆叠不同长度的向量,例如来自
[1, 3, 5]
[2, 3, 9, 1, 1]
[6, 2]
获取零填充矩阵
[1, 3, 5, 0, 0]
[2, 3, 9, 1, 1]
[6, 2, 0, 0, 0]
向量计数在定义时已知,但它们的长度未知。使用 tf.where(condition)
你可以这样做的一种方法是:
In [11]: v1 = [1, 3, 5]
In [12]: v2 = [2, 3, 9, 1, 1]
In [14]: v3 = [6, 2]
In [38]: max_len = max(len(v1), len(v2), len(v3))
In [39]: pad1 = [[0, max_len-len(v1)]]
In [40]: pad2 = [[0, max_len-len(v2)]]
In [41]: pad3 = [[0, max_len-len(v3)]]
# pads 0 to original vectors up to `max_len` length
In [42]: v1_padded = tf.pad(v1, pad1, mode='CONSTANT')
In [43]: v2_padded = tf.pad(v2, pad2, mode='CONSTANT')
In [44]: v3_padded = tf.pad(v3, pad3, mode='CONSTANT')
In [53]: res = tf.stack([v1_padded, v2_padded, v3_padded], axis=0)
In [56]: res.eval()
Out[56]:
array([[1, 3, 5, 0, 0],
[2, 3, 9, 1, 1],
[6, 2, 0, 0, 0]], dtype=int32)
为了使其有效地使用 N
向量,您可能应该使用 for
循环为所有向量和随后填充的向量准备 pad
变量。并且,最后使用 tf.stack
沿 0
轴堆叠这些填充向量以获得您想要的结果。
P.S.:从tf.where(condition)
.