如何从张量中获取随机子张量？

Question

我想从一个张量中得到一个随机的子张量，形状是固定的。例如，我需要从左张量中获取右张量，并且每一行的索引都是随机的，就像这样：

[[1 4 3]         [[3]     [[4]
 [3 2 1]  ----->  [2]  or  [1] (generate randomly)
 [0 3 4]]         [3]]     [0]]

我试过tf.slice和tf.gather，都没有用。我试着写了一个这样的代码测试用例：

import random
import tensorflow as tf

a = tf.convert_to_tensor([[[1, 4, 3]],
                          [[3, 2, 1]],
                          [[0, 3, 4]]])

T = a.get_shape().as_list()[0]

result_list = []

for i in range(T):
    idx = random.randint(0, 2)  # get a random idx
    result_list.append(a[i][0][idx])

y_hat = tf.reshape(tf.convert_to_tensor(result_list), shape=(T, 1))

with tf.Session() as sess:
    print(sess.run(y_hat))

    # y_hat: [[4]
    #         [1]
    #         [4]]

在这个测试用例中，它起作用了。但是在真实环境中，'a'.shape=(None, 3), 所以
'T = a.get_shape().as_list()[0]' 不是 int 值，我不能按范围 (T) 迭代 T。例如：

import random
import tensorflow as tf

a = tf.placeholder(shape=(None, 3), dtype=tf.int32)

result_list = []
T = a.get_shape().as_list()[0]

for i in range(T):
    idx = random.randint(0, 2)  # get a random idx
    result_list.append(a[i][0][idx])

y_hat = tf.reshape(tf.convert_to_tensor(result_list), shape=(T, 1))

with tf.Session() as sess:

    a_instance = [[[1, 4, 3]],
                  [[3, 2, 1]],
                  [[0, 3, 4]]]

    print(sess.run(y_hat, feed_dict={a: a_instance}))

在这种情况下，它不起作用。谁能告诉我该怎么办？

Answer 1

这就是你可以用 tf.gather_nd 做到这一点的方法：

import tensorflow as tf

with tf.Graph().as_default(), tf.Session() as sess:
    tf.random.set_random_seed(0)
    a = tf.constant([[1, 4, 3],
                     [3, 2, 1],
                     [0, 3, 4]])
    s = tf.shape(a)
    rows, cols = s[0], s[1]
    # Row indices
    ii = tf.expand_dims(tf.range(rows), 1)
    # Column indices
    jj = tf.random.uniform((rows, 1), 0, cols, dtype=ii.dtype)
    # Gather result
    result = tf.gather_nd(a, tf.stack([ii, jj], axis=-1))
    # Print some results
    print(sess.run(result))
    # [[3]
    #  [2]
    #  [4]]
    print(sess.run(result))
    # [[4]
    #  [1]
    #  [0]]
    print(sess.run(result))
    # [[3]
    #  [2]
    #  [0]]

Answer 2

我通常使用 numpy 库来执行此操作。

import numpy as np

a_instance = np.array([[1,4,3],[3,2,1],[0,3,4]])
a_instance = a_instance.T # transpose the matrix
np.random.shuffle(a_instance) # it performs the shuffle of the rows
a_instance = a_instance.T

然后你可以用下面的代码得到你想要的一列：

a_column = a_instance[:, 0]

通过这种方式，您可以将想要的随机列作为 numpy 数组，然后您可以将其与 tensorflow 一起使用，如图所示：

...
print(sess.run(y_hat, feed_dict={a: [a_column.tolist()]}))

如果您不想永久修改 "a_instance" 矩阵，请记住将 "a_instance" 的副本与随机播放方法一起使用。

如何从张量中获取随机子张量？

How to get a random sub-tensor from a tensor?

python

tensorflow

tensor