python - tensorflow :如何交错两个张量的列(例如使用 tf.scatter_nd)？

Question

我读过 tf.scatter_nd documentation并运行 1D 和 3D 张量的示例代码......现在我正在尝试为 2D 张量执行此操作。我想“交错”两个张量的列。对于一维张量，可以通过

'''
We want to interleave elements of 1D tensors arr1 and arr2, where
arr1 = [10, 11, 12]
arr2 = [1, 2, 3, 4, 5, 6]
such that
desired result = [1, 2, 10, 3, 4, 11, 5, 6, 12]
'''

import tensorflow as tf

with tf.Session() as sess:

    updates1 = tf.constant([1,2,3,4,5,6])
    indices1 = tf.constant([[0], [1], [3], [4], [6], [7]])
    shape = tf.constant([9])
    scatter1 = tf.scatter_nd(indices1, updates1, shape)

    updates2 = tf.constant([10,11,12])
    indices2 = tf.constant([[2], [5], [8]])
    scatter2 = tf.scatter_nd(indices2, updates2, shape)

    result = scatter1 + scatter2

    print(sess.run(result))

(旁白:是否有更好的方法来做到这一点？我洗耳恭听。)

这给出了输出

[1 2 10 3 4 11 5 6 12]

耶!成功了!

现在让我们尝试将其扩展到 2D。

    '''
    We want to interleave the *columns* (not rows; rows would be easy!) of

    arr1 = [[1,2,3,4,5,6],[1,2,3,4,5,6],[1,2,3,4,5,6]]
    arr2 = [[10 11 12], [10 11 12], [10 11 12]]
    such that
    desired result = [[1,2,10,3,4,11,5,6,12],[1,2,10,3,4,11,5,6,12],[1,2,10,3,4,11,5,6,12]]
    '''

    updates1 = tf.constant([[1,2,3,4,5,6],[1,2,3,4,5,6],[1,2,3,4,5,6]])
    indices1 = tf.constant([[0], [1], [3], [4], [6], [7]])
    shape = tf.constant([3, 9])
    scatter1 = tf.scatter_nd(indices1, updates1, shape)

这给出了错误ValueError:indices.shape=[6,1] 的外 1 维必须匹配外 1
updates.shape=[3,6] 的维度:两个形状中的维度 0 必须相等，但是
是 6 和 3。形状是 [6] 和 [3]。对于'ScatterNd_2'(操作:'ScatterNd')与
输入形状:[6,1]、[3,6]、[2]。

似乎我的 indices 正在指定行索引而不是列索引，并且考虑到数组在 numpy 和 tensorflow 中“连接”的方式(即行优先顺序)，这是否意味着我需要明确为 updates1 中的每个元素指定每一对索引吗？或者是否有某种我可以用于行的“通配符”规范？ (注意 indices1 = tf.constant([[:,0], [:,1], [:,3], [:,4], [:,6], [:,7]]) 给出语法错误，因为它可能应该。)

只做一个转置，交错行，然后转回去会更容易吗？因为我试过了...

scatter1 = tf.scatter_nd(indices1, tf.transpose(updates1), tf.transpose(shape))
print(sess.run(tf.transpose(scatter1)))

...并收到一条长得多 的错误消息，除非有人要求，否则我不想发布。

PS- 我进行了搜索以确保这不是重复的——我发现很难想象其他人以前没有问过这个问题——但一无所获。

Answer 1

这是纯粹的切片，但我不知道像 arr1[0:,:][:,:2] 这样的语法实际上有效。似乎是这样，但不确定是否更好。

这可能是您正在寻找的通配符切片机制。

arr1 = tf.constant([[1,2,3,4,5,6],[1,2,3,4,5,7],[1,2,3,4,5,8]])
arr2 = tf.constant([[10, 11, 12], [10, 11, 12], [10, 11, 12]])

with tf.Session() as sess :
    sess.run( tf.global_variables_initializer() )
    print(sess.run(tf.concat([arr1[0:,:][:,:2], arr2[0:,:] [:,:1],
                              arr1[0:,:][:,2:4],arr2[0:, :][:, 1:2],
                              arr1[0:,:][:,4:6],arr2[0:, :][:, 2:3]],axis=1)))

输出是

[[ 1  2 10  3  4 11  5  6 12]
 [ 1  2 10  3  4 11  5  7 12]
 [ 1  2 10  3  4 11  5  8 12]]

例如，

arr1[0:,:] 返回

[[1 2 3 4 5 6]
 [1 2 3 4 5 7]
 [1 2 3 4 5 8]]

和arr1[0:,:][:,:2]返回前两列

[[1 2]
 [1 2]
 [1 2]]

轴为 1。