sorting - 如何在 tensorflow 中对一批二维张量进行排序？

Question

我有一个张量A，形状为[#batch, #MaxSequence, #Features]，其中第 2 维的实际长度(可能小于#MaxSequence) 存储在张量 L 中。我想在每个批处理的序列中按第 3 维中的第 2 个特征对 A 进行排序。我看到这个 post使用 tf.gather 和 tf.nn.top_k 对 2D 张量进行排序，但我不知道将其应用于 3D 情况。我需要使用循环来完成吗？

Answer 1

我有一些工作，但它可能存在更好的解决方案。我想我的代码对于这个简单的问题可能过于复杂了。

我们的想法是，我们必须转换 tf.nn.top_k(a[:,:,1].indices 的返回索引(按三维中的第二个特征排序) tf.gather_nd 可以使用。特别是对于我下面的例子，我们需要转换张量

 [[3, 2, 1, 0],
  [0, 1, 2, 3],
  [2, 0, 3, 1]] 

到

 [[[0 3], [0 2], [0 1], [0 0]]
  [[1 0], [1 1], [1 2], [1 3]]
  [[2 2], [2 0], [2 3], [2 1]]]

我发现了什么:

• 首先展平目标索引，因此我们得到 [3 2 1 0 0 1 2 3 2 0 3 1]。
• 有意构造一个配对向量[0 0 0 0 1 1 1 1 2 2 2]
• tf.stack 上面的两个向量，然后我们将结果 reshape 为我们想要的结果。

完整的 tf 代码如下(get_shape 方法定义 here ):

import tensorflow as tf
a = tf.Variable([[[0.51, 0.52, 0.53, 0.94, 0.35],
                  [0.32, 0.72, 0.83, 0.74, 0.55],
                  [0.23, 0.73, 0.63, 0.64, 0.35],
                  [0.01, 0.74, 0.73, 0.04, 0.75]],
                 [[0.32, 0.76, 0.83, 0.74, 0.55],
                  [0.23, 0.72, 0.63, 0.64, 0.35],
                  [0.11, 0.02, 0.03, 0.14, 0.15],
                  [0.01, 0.00, 0.73, 0.04, 0.75]],
                 [[0.51, 0.52, 0.53, 0.94, 0.35],
                  [0.32, 0.00, 0.83, 0.74, 0.55],
                  [0.23, 0.92, 0.63, 0.64, 0.35],
                  [0.11, 0.02, 0.03, 0.14, 0.15]]], tf.float32)
batch_size, seq_length, num_features = get_shape(a)

idx = tf.reshape(range(batch_size), [-1, 1])
idx_flat = tf.reshape(tf.tile(idx, [1, seq_length]), [-1])
top_k_flat = tf.reshape(tf.nn.top_k(a[:,:,1], 
                                    k=seq_length).indices, [-1])
final_idx = tf.reshape(tf.stack([idx_flat, top_k_flat], 1),
                       [batch_size, seq_length, 2])
reordered = tf.gather_nd(a, final_idx)
sess = tf.InteractiveSession()
sess.run(tf.global_variables_initializer())
print sess.run(reordered)

                 #ORDERED
                 #by this
                 #Column (within each example)
[[[ 0.01      ,  0.74000001,  0.73000002,  0.04      ,  0.75      ],
  [ 0.23      ,  0.73000002,  0.63      ,  0.63999999,  0.34999999],
  [ 0.31999999,  0.72000003,  0.82999998,  0.74000001,  0.55000001],
  [ 0.50999999,  0.51999998,  0.52999997,  0.94      ,  0.34999999]],
 [[ 0.31999999,  0.75999999,  0.82999998,  0.74000001,  0.55000001],
  [ 0.23      ,  0.72000003,  0.63      ,  0.63999999,  0.34999999],
  [ 0.11      ,  0.02      ,  0.03      ,  0.14      ,  0.15000001],
  [ 0.01      ,  0.        ,  0.73000002,  0.04      ,  0.75      ]],
 [[ 0.23      ,  0.92000002,  0.63      ,  0.63999999,  0.34999999],
  [ 0.50999999,  0.51999998,  0.52999997,  0.94      ,  0.34999999],
  [ 0.11      ,  0.02      ,  0.03      ,  0.14      ,  0.15000001],
  [ 0.31999999,  0.        ,  0.82999998,  0.74000001,  0.55000001]]

注意在输出中，我们有三个例子。在每个示例中，序列按第二个特征降序排列。