python - 从 tensorflow 中的向量创建二进制张量

Question

我从一个包含 N 个整数条目的一维 numpy 数组 x(或 tensorflow 张量)开始。每个条目都小于或等于 N。我现在想创建一个张量 Y 形状为 (N,N)(即 NxN 矩阵)，其中 Y[i,j]=0 如果 x[i]!=x[j] 和 Y[i,j]=1 如果 x[i]==x[j].

使用 numpy 的例子:

import numpy as np
x=np.array([1,2,1,2,3,4,2])
Y=np.zeros((x.shape[0],x.shape[0]))
for i in range(x.shape[0]):
    for j in range(x.shape[0]):
        if x[i]==x[j]:
            Y[i,j]=1

输出

array([[ 1.,  0.,  1.,  0.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  1.,  0.,  0.,  1.],
       [ 1.,  0.,  1.,  0.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  1.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 0.,  1.,  0.,  1.,  0.,  0.,  1.]])

如何在纯 tensorflow 代码中高效地创建相同的函数？

并且:如果我有一个额外的批处理维度，那么输入 x 的形状为 (B,N) 并且我期望输出 Y 形状为 (B,N,N)。这些批处理都是相互独立的。

Answer 1

将 x reshape 为两种不同的形状，(B, 1, N) 和 (B, N, 1) 这样它们就可以正确广播，然后比较这两个张量，结果将是您需要的 1 为 True 和 0 为 False:

import tensorflow as tf    
import numpy as np
x=np.array([1,2,1,2,3,4,2])

t = tf.constant(x)

r = tf.cast(
  tf.equal(
    tf.reshape(t, (-1, 1, t.shape[-1].value)), 
    tf.reshape(t, (-1, t.shape[-1].value, 1))
  ), tf.int8)

sess = tf.Session()

sess.run(r)
#array([[[1, 0, 1, 0, 0, 0, 0],
#        [0, 1, 0, 1, 0, 0, 1],
#        [1, 0, 1, 0, 0, 0, 0],
#        [0, 1, 0, 1, 0, 0, 1],
#        [0, 0, 0, 0, 1, 0, 0],
#        [0, 0, 0, 0, 0, 1, 0],
#        [0, 1, 0, 1, 0, 0, 1]]], dtype=int8)