Numpy 数组到张量

Question

我正在将 numpy 创建的代码更改为 tensorflow 代码。但是，tensorflow 不支持指定每个元素，（例如 x [i] = 7），布尔值（例如.var [x <0.25] = -1）与可能的 numpy 数组很难。如何将以下代码更改为张量？x=np.random.rand((500*300))var=np.zeros((500*300), dtype=np.uint16)var[x<.25] = -1var[x>.75] = 1S=var.reshape((500, 300))请帮我。注意：我尝试了这一步。x=tf.random_uniform((500*300), minval=0, maxval=1, dtype=tf.float32)var=tf.zeros((500*300), int16)var[x<.25] = -1  # How is the change???????var[x>.75] = 1   # How is the change???????S=var.reshape((500, 300))

Answer 1

按照评论中的建议使用tf.where。我在下面提供了一个示例代码，并在必要时进行了评论。

x = tf.random_uniform(shape=[5, 3], minval=0, maxval=1, dtype=tf.float32)

#same shape as x and only contains -1

c1 = tf.multiply(tf.ones(x.shape, tf.int32), -1)

#same shape as x and only contains 1

c2 = tf.multiply(tf.ones(x.shape, tf.int32), 1)

var = tf.zeros([5, 3], tf.int32)

#assign 1 element wise if x< 0.25 else 0

r1 = tf.where(tf.less(x, 0.25), c1, var)

#assign -1 element wise if x> 0.75 else 0

r2 = tf.where(tf.greater(x, 0.75), c2, var)

r = tf.add(r1, r2)

with tf.Session() as sess:

    _x, _r = sess.run([x, r])

    print(_x)

    print(_r)

示例结果

[[0.6438687  0.79183984 0.40236235]

 [0.7848805  0.0117377  0.6858672 ]

 [0.6067281  0.5176437  0.9839716 ]

 [0.15617108 0.28574145 0.31405795]

 [0.28515983 0.6034068  0.9314337 ]]

[[ 0  1  0]

 [ 1 -1  0]

 [ 0  0  1]

 [-1  0  0]

 [ 0  0  1]]

希望这可以帮助。