python-3.x - 如何根据 tensorflow 中的条件获得最高的最小张量值

Question

我有一个这样的张量:

sim_topics = [[0.65 0.   0.   0.   0.42  0.   0.   0.51 0.   0.34 0.]
              [0.   0.51 0.   0.  0.52  0.   0.   0.   0.53 0.42 0.]
              [0.    0.32 0.  0.50 0.34  0.   0.   0.39 0.32 0.52 0.]
              [0.    0.23 0.37 0.   0.    0.37 0.37 0.   0.47 0.39 0.3 ]]

和一个像这样的 bool 张量:

bool_t = [False  True  True  True]

我想选择 sim_topics 的一部分基于 bool_t 中的 bool 标志在某种程度上它只是选择 top k smallest每行值(如果该行为真，则保持原样)。

所以预期的输出是这样的:(这里 k=2 )

[[0.65 0.   0.    0.   0.42  0.   0.   0.51 0.   0.34 0.]
 [0.   0.51 0.   0.  0.52  0.   0.   0.   0.53 0.42 0.]
 [0.   0.32 0.    0.50 0    0    0.   0.   0    0.32 0 ]
 [0.   0.23 0     0.   0.    0    0    0.   0    0    0.3 ]]

我试图首先使用 boolean_mask 来完成此操作。和 where要获得我想要的指数，然后去获得最小的指数。但是，当我使用 where 时它没有给我提供 zero 的索引.

Answer 1

k = 2
dim0 = sim_topics.shape[0]
a = tf.cast(tf.equal(sim_topics,0), sim_topics.dtype)
b = tf.reshape(tf.reduce_sum(a,1) + k, (dim0,-1))
c = tf.cast(tf.argsort(tf.argsort(sim_topics,1),1), sim_topics.dtype)
d = tf.logical_or(tf.less(c,b),tf.reshape(tf.logical_not(bool_t),(dim0,-1)))
with tf.Session() as sess:
  print(sess.run(sim_topics * tf.cast(d,sim_topics.dtype)))


[[0.65 0.   0.   0.   0.42 0.   0.   0.51 0.   0.34 0.  ]
 [0.   0.51 0.   0.   0.   0.   0.   0.   0.   0.42 0.  ]
 [0.   0.32 0.   0.   0.   0.   0.   0.   0.32 0.   0.  ]
 [0.   0.23 0.   0.   0.   0.   0.   0.   0.   0.   0.3 ]]