Tensorflow：偶数と奇数のインデックスに従って2つの2Dテンソルを結合する

Question

バッチの偶数要素と奇数要素をチェックし、必要に応じてスワップします。

def tf_oplu(x, name=None): 


    even = x[:,::2] #slicing into odd and even parts on the batch 
    odd = x[:,1::2] 

    even_flatten = tf.reshape(even, [-1]) # flatten tensors 
    #in row-major order to apply function across them 

    odd_flatten = tf.reshape(odd, [-1]) 

    compare = tf.to_float(even_flatten<odd_flatten) 
    compare_not = tf.to_float(even_flatten>=odd_flatten) 

    #def oplu(x,y): # trivial function 
    # if x<y : # (x<y)==1 
    #  return y, x 
    # else: 
    #  return x, y # (x<y)==0 

    even_flatten_new = odd_flatten * compare + even_flatten * compare_not 
    odd_flatten_new = odd_flatten * compare_not + even_flatten * compare 

    # convolute back 

    even_new = tf.reshape(even_flatten_new,[100,128]) 
    odd_new = tf.reshape(odd_flatten_new,[100,128]) 

は、今私は満たさ偶数と奇数の場所に戻って$ [100256] $テンソルを取得したい：私は織りたい2つのテンソルとなることができました。 numpyでは、私はもちろんそうです：

y = np.empty((even_new.size + odd_newsize,), dtype=even_new.dtype) 
y[:,0::2] = even_new 
y[:,1::2] = odd_new 

return y 

テンソルは変更できませんが、そういうことはテンソーフローではできません。 sparse tensorまたはtf.gather_ndのどちらでも可能ですが、どちらもインデックスの配列を生成する必要があります。これは、私にとっては自明ではありません。 もう1つの注意：私はtf.py_func経由でPython関数を使用したくないです。私はそれらがCPU上でのみ動作することを確認しました。たぶんラムダとtf.map_fn何とか助けてくれる？ありがとう！

Answer 1

2つの行列を垂直方向にインターリーブするには、gatherまたはmap_fnなどの大きな銃を使用しないでください。次のようにあなたは、単にそれらをインターリーブすることができます

tf.reshape(
    tf.stack([even_new, odd_new], axis=1), 
    [-1, tf.shape(even_new)[1]]) 

EDIT

が水平にそれらをインターリーブするには：

tf.reshape(
    tf.concat([even_new[...,tf.newaxis], odd_new[...,tf.newaxis]], axis=-1), 
    [tf.shape(even_new)[0],-1]) 

アイデアは、メモリ内にそれらをインターリーブするスタックを使用することです。スタックが発生する次元は、インターリーブの細分性を与える。 axis=0にスタックすると、各要素で混合列がインターリーブされます。 axis=1にスタックすると、入力行全体が連続したままになり、行間にインターリーブが発生します。

Answer 2

assignを使用してスライスに割り当てることができます。

odd_new = tf.constant([1,3,5]) 
even_new = tf.constant([2,4,6]) 
y=tf.Variable(tf.zeros(6, dtype=tf.int32)) 

sess = tf.InteractiveSession() 
sess.run(tf.global_variables_initializer()) 
y[0::2].assign(odd_new).eval() 
y[1::2].assign(even_new).eval()