Объединить повторяющиеся индексы в разреженном Тензоре

Question

Объединить повторяющиеся индексы в разреженном Тензоре

Допустим, у меня есть разреженный тензор с повторяющимися индексами, и там, где они дублируются, я хочу объединить значения (суммировать их)
Как лучше всего это сделать?

Пример:

indicies = [[1, 1], [1, 2], [1, 2], [1, 3]]

values = [1, 2, 3, 4]



object = tf.SparseTensor(indicies, values, shape=[10, 10])



result = tf.MAGIC(object)

Результатом должен быть запасной тензор со следующими значениями (или конкретный!):

indicies = [[1, 1], [1, 2], [1, 3]]

values = [1, 5, 4]

Единственное, что у меня есть, это связать вместе индексы, чтобы создать хэш индекса, применить его к третьему измерению, а затем уменьшить сумму в этом третьем измерении.

indicies = [[1, 1, 11], [1, 2, 12], [1, 2, 12], [1, 3, 13]]

sparse_result = tf.sparse_reduce_sum(sparseTensor, reduction_axes=2, keep_dims=true)

Но это чувство очень, очень некрасиво

498 2

tensorflow

2 ответов:

Comments

Ничего не найдено.

keveman · Accepted Answer · 2017-07-19 21:13:48

Вот решение, использующее tf.segment_sum. Идея состоит в том, чтобы линеаризовать индексы в 1-D пространстве, получить уникальные индексы с tf.unique, запустить tf.segment_sum и преобразовать индексы обратно в N-D пространство.
indices = tf.constant([[1, 1], [1, 2], [1, 2], [1, 3]])
values = tf.constant([1, 2, 3, 4])

# Linearize the indices. If the dimensions of original array are
# [N_{k}, N_{k-1}, ... N_0], then simply matrix multiply the indices
# by [..., N_1 * N_0, N_0, 1]^T. For example, if the sparse tensor
# has dimensions [10, 6, 4, 5], then multiply by [120, 20, 5, 1]^T
# In your case, the dimensions are [10, 10], so multiply by [10, 1]^T

linearized = tf.matmul(indices, [[10], [1]])

# Get the unique indices, and their positions in the array
y, idx = tf.unique(tf.squeeze(linearized))

# Use the positions of the unique values as the segment ids to
# get the unique values
values = tf.segment_sum(values, idx)

# Go back to N-D indices
y = tf.expand_dims(y, 1)
indices = tf.concat([y//10, y%10], axis=1)

tf.InteractiveSession()
print(indices.eval())
print(values.eval())

Sheik Arbaz · Accepted Answer · 2018-06-29 13:12:03

Итак. В соответствии с решением, упомянутым выше.

Еще один пример.

Для формы [12, 5]:

Строки, подлежащие изменению в коде:
linearized = tf.matmul(indices, [[5], [1]])

indices = tf.concat([y//5, y%5], axis=1)