0

拥有一个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？如果可变长度更短，那么它应该被保留（而不是填充）的最大值，但如果它更长，它应该只是切断末端。

例如，假设所有张量都具有形状(None, 4)，并且我希望将所有张量限制为(3, 4). 一个示例输入可能是：

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)

...，应该修剪为：

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

但是，任何小于最大值的东西都应该保持不变：

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)

有没有内置命令可以做到这一点？或者您将如何实现这一目标？

4

1 回答 1

1

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

>>> 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)>
于 2020-02-22T12:56:44.447 回答