如何从给定的二维张量中提取n个一维张量？

一个= [[6，5,4]，[3,2，1]，[1，2，3]，[4，5，6] ，[7,8，1]，[5，2,6]

我想提取K 1-d张量随机和无重复。接着，将它们组合到另一2-d张量B：

B = [5,2，6]，[3，2，1]，[6,5，4]

我没有找到这样的任何功能，所以作为波纹管实现：

rand_var_1 = tf.random_crop(a, size=[1, 3], seed=1) 
rand_var_2 = tf.random_crop(a, size=[1, 3], seed=2) 
rand_var_3 = tf.random_crop(a, size=[1, 3], seed=3) 
rand_var_4 = tf.random_crop(a, size=[1, 3], seed=4) 
b = tf.concat(0, [rand_var_1, rand_var_2, rand_var_3, rand_var_4]) 

b_rs = sess.run(b) 
print "b_rs:\n",b_rs

但结果具有重复1-d张量，如：

BB = [[5，2,6] ，[3,2,1]，[5,2,6]]

可以请某人帮我解决这个问题吗？

来源

2016-04-15 J.Doe

不知道这是否会与tensorflow工作，但是对于NumPy数组，它可以用'a [np.random.choice（a.shape [0]，3，replace = False）]'来实现。 – Divakar

这在tensorflow中不起作用，但我决定试试这个：'a_shuffled = tf.random_shuffle（a，seed = 12），b = tf.slice（a_shuffled，[0，0]，[K，len（ a [0]）]）'，我认为他们在某些方面做着同样的事情。无论如何，谢谢你的亲切帮助:)。 –

以下应该工作，基本上产生的数字阵列的阵列a的长度，洗牌它们，并使用第一K索引，并得到了行，

import numpy as np 

#Number of samples 
K = 3 

#Array 
a =[[6, 5, 4], [3, 2, 1], [1, 2, 3], [4, 5, 6], [7, 8, 1], [5, 2, 6]] 
N = len(a) 

#Get an array on size of a, shuffle and take first K to use 
#permutation used as suggested by @EelcoHoogendoorn 
indices = np.random.permutation(N) 

#Take the first k samples 
samples = indices[:K] 
b = [a[i] for i in samples] 

#Print 
print('a = ', a) 
print('b = ', b)

来源

2016-04-15 08:11:45

numpy.random.permutation做同样的事情，但更紧凑 –

如果您使用numpy数组而不是lits列表（'b = a [samples]'），语法会更好一些，但是，这似乎是明显的做法，+1。 – Jaime

好点@EelcoHoogendoorn，我已经改变为建议的排列组合。谢谢@Jaime，我同意并最初为'a' /'b'使用'numpy'数组，但是由于OP使用列表，似乎明智地保持相同的格式... –

如何从给定的二维张量中提取n个一维张量？

回答

相关问题