Trim 变长张量到最大长度

Question

具有一个固定维度和一个可变长度维度的二维张量：如何将可变长度维度限制为最大长度？如果可变长度较短，则应保留最大值（而不是填充），但如果较长，则应截断末尾。

例如，假设所有张量的形状都是 (None, 4)，我想将它们全部限制在 (3, 4) 的最大形状内。一个示例输入可以是：

tensor1 = tf.constant([
    [1, 2, 0, 0],
    [1, 3, 4, 0],
    [0, 0, 0, 0],
    [7, 7, 7, 7],
    [7, 8, 9, 1],
], dtype=tf.int32)

...，应修剪为：

tensor1_trimmed = tf.constant([
    [1, 2, 0, 0],
    [1, 3, 4, 0],
    [0, 0, 0, 0],
], dtype=tf.int32)

但是，小于最大值的任何值都应保持不变：

tensor2 = tf.constant([
    [9, 9, 9, 9],
    [9, 9, 9, 9],
], dtype=tf.int32)

...应该保持完全相同：

tensor2_trimmed = tf.constant([
    [9, 9, 9, 9],
    [9, 9, 9, 9],
], dtype=tf.int32)

是否有任何内置命令可以做到这一点？或者您将如何实现这一目标？

Answer 1

tf.strided_slice 支持 numpy 样式的切片，因此您可以在示例中使用 [:3,:]

>>> tensor1 = tf.constant([
...     [1, 2, 0, 0],
...     [1, 3, 4, 0],
...     [0, 0, 0, 0],
...     [7, 7, 7, 7],
...     [7, 8, 9, 1],
... ], dtype=tf.int32)
>>> tensor1[:3,:]
<tf.Tensor: shape=(3, 4), dtype=int32, numpy=
array([[1, 2, 0, 0],
       [1, 3, 4, 0],
       [0, 0, 0, 0]], dtype=int32)>
>>> tensor2 = tf.constant([
...     [9, 9, 9, 9],
...     [9, 9, 9, 9],
... ], dtype=tf.int32)
>>> tensor2[:3,:]
<tf.Tensor: shape=(2, 4), dtype=int32, numpy=
array([[9, 9, 9, 9],
       [9, 9, 9, 9]], dtype=int32)>

Trim 变长张量到最大长度

Trim variable-length tensor to a maximum length

python

tensorflow

tensorflow2.x