Tensorflow python:将输入[batchsize]重塑为具有特定顺序的张量[batchsize，2]

Question

我有一个张量(shape=batchsize)。我想以特定的顺序重塑张量，使其形状=-1，2。但我想要：

1. 元素位于0，0
2. 元素位于1，0
3. 元素位于1，1，1
4. 元素位于1，1

<代码>H19元素位于0，2<代码>H210元素位于0，3<代码>H212H113元素位于2，1<代码>H214H115元素位于3,1，依此类推，对于未知的批处理大小。<代码>H216<代码>G217

这是一个带有张量range=(0到input=8)的示例代码。

import tensorflow as tf
import numpy as np

batchsize = tf.placeholder(shape=[], dtype=tf.int32)
x = tf.range(0, batchsize, 1) 
x = tf.reshape(x, shape=[2, -1])
y = tf.transpose(x)
z = tf.reshape(y, shape=[-1, 2])


input = 8
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    msg = sess.run([z], feed_dict={batchsize: input})
    print(msg)

现在我的输出是：

[array([[0, 4],
       [1, 5],
       [2, 6],
       [3, 7]], dtype=int32)]

但我希望输出是：

[array([[0, 2],
       [1, 3],
       [4, 6],
       [5, 7]], dtype=int32)]

请记住，我不知道批量大小有多大，我只是出于示范原因设置了input= 8。此外，在这里，我想在每个第二个元素之后打破顺序。在未来，我也希望有这样的灵活性。在我的实际代码中，张量“x”不是范围数组，而是复杂的随机数组，所以你不能以任何方式对w.r.t进行排序。这些值。我只是出于演示的目的编写了这段代码。

Answer 1

你可以试一试

 tf.reshape(tf.matrix_transpose(tf.reshape(x, [-1, 2, 2])), [-1, 2])