Tensorflow:张量二值化

Question

我希望以这样的方式来转换这个数据集:每个张量都有一个给定的大小n，并且这个新张量的索引i上的一个特性被设置为1当且仅当原始特征中有一个i (模n)。

我希望下面的例子能让事情变得更清楚

假设我有一个数据集，如：

t = tf.constant([
  [0, 3, 4],
  [12, 2 ,4]])
ds = tf.data.Dataset.from_tensors(t)

我想得到(如果n = 9)

t = tf.constant([
  [1, 0, 0, 1, 1, 0, 0, 0, 0], # index set to 1 are 0, 3 and 4
  [0, 0, 1, 1, 1, 0, 0, 0, 0]]) # index set to 1 are 2, 4, and 12%9 = 3

我知道如何将模应用于张量，但我找不到如何完成其余的转换--谢谢

Answer 1

这与tf.one_hot类似，仅适用于同一时间的多个值。这里有一种方法可以做到：

import tensorflow as tf

def binarization(t, n):
    # One-hot encoding of each value
    t_1h = tf.one_hot(t % n, n, dtype=tf.bool, on_value=True, off_value=False)
    # Reduce across last dimension of the original tensor
    return tf.cast(tf.reduce_any(t_1h, axis=-2), t.dtype)

# Test
with tf.Graph().as_default(), tf.Session() as sess:
    t = tf.constant([
        [ 0,  3,  4],
        [12,  2,  4]
    ])
    t_m1h = binarization(t, 9)
    print(sess.run(t_m1h))

输出：

[[1 0 0 1 1 0 0 0 0]
 [0 0 1 1 1 0 0 0 0]]