tensorflow - 仅在 TF 中解包

Question

我正在寻找一种在 TF 中解压缩位的方法，就像我可以用 np.unpackbits 那样做.所以恢复操作，如:

import numpy as np
import tensorflow as tf
original = np.random.choice(a=[1, 0], size=(100))
data     = np.packbits(original.astype(np.bool), axis=None)

X = tf.constant(data)

假设我只能访问 X，如何在 TF 中将其转换为原始文件。当然我可以使用 numpy，但这会将数据从 TF 移动到 python，然后再返回到 TF。

我脑子里的想法很少(还没有实现任何一个):

使用 tf.map_fn

使用 tf.contrib.lookup

对于他们俩，想法是将每个数字映射到一个向量，连接所有向量， reshape ，删除不需要的元素。

这两种方法似乎都比它们应该的复杂。有没有人有一种有效的方法(就速度而言)如何在 tensorflow 中实现 numpy 的解包？

Answer 1

也许是这样的:

import tensorflow as tf

x = tf.constant((1, 2, 7, 0, 255), dtype=tf.uint8)

b = tf.constant((128, 64, 32, 16, 8, 4, 2, 1), dtype=tf.uint8)
unpacked = tf.reshape(tf.mod(tf.to_int32(x[:,None] // b), 2), [-1])

unpacked在 int32由于 tf.mod不接受字节，您可能想将其强制转换为 uint8再次。

Tensorflow 1.3 will have bitwise operations ，所以最后一行可以替换为

unpacked = tf.reshape(tf.bitwise.bitwise_and(x, b), [-1])

这有望更快(以及 uint8 中的结果)。