用TensorFlow只分解张量中的某一列线

Question

我有以下数组：-

import numpy as np
import tensorflow as tf
input = np.array([[-1.5, 1.0, 3.4, .5], [0.0, 3.0, 1.3, 0.0]])
layer = tf.keras.layers.Discretization(num_bins=2, epsilon=0.01)
layer.adapt(input)
layer(input)

<tf.Tensor: shape=(2, 4), dtype=int64, numpy=
array([[0, 1, 1, 1],
       [0, 1, 1, 0]])>

这就分散了整个张量。我想知道是否有一种方法可以让第二个数组在张量中离散。

Answer 1

我们可以根据需要离散化的数组的索引创建一个掩码：

def get_mask(x, array_index): 
    x = tf.Variable(tf.ones_like(input, dtype=tf.float32))
    indices = tf.Variable(array_index, dtype=tf.int32)
    updates = tf.Variable(tf.zeros( (indices.shape[0], x.shape[1])), dtype=tf.float32)
    return tf.compat.v1.scatter_nd_update(x, indices, updates)

打电话

> mask = get_mask(input, np.array([[1]])) #second array
> 
> returns the mask of:
array([[1., 1., 1., 1.],
       [0., 0., 0., 0.]])

然后我们可以应用掩码：tf.cast(layer(input), tf.float32) * (1-mask) + input*mask，它返回：

array([[-1.5,  1. ,  3.4,  0.5],
       [ 0. ,  1. ,  1. ,  0. ]]

上面的内容应该适用于任何数组和任何数组索引来离散化。