如何在張量流中填充不規則形狀的張量（純TF方式）？

Question

test_tensor = [[2], [1, 2, 3], [4, 5]] # irregular shape
# dose there have a tf (better, and faster?) function to pad this tensor to a dense tensor with a defult value?
# like this: test_tensor ==> dense tensor:[[2, -1, -1],[1, 2, 3], [4, 5, -1]]

PS。 請不要使用純python和numpy

因為我需要將此操作添加到我的TF模型圖中，所以也許需要用純TF方式完成該操作？

Answer 1

我假設您的起始張量的類型為SparseTensor。 （我認為不可能具有“不規則形狀”的密集張量。如果類型甚至不是張量，則不需要“純TF方式”）

使用以下內容：

    dense = tf.sparse_tensor_to_dense(sparse_tensor_input, default_value=-1)

https://www.tensorflow.org/api_docs/python/tf/sparse_tensor_to_dense

如果您希望密集張量的形狀與輸入稀疏張量的形狀不同，則可以在調用此函數之前更改后者的形狀，或者使用較低級別的函數https://www.tensorflow.org/api_docs/python / tf / sparse_to_dense 。

Answer 2

最近，我遇到了同樣的問題，並且我做了一點技巧（即使有人發表了將近一年的帖子，也可能有人遇到了同樣的問題）。

首先，TensorFlow無法將該數組轉換為密集張量，因此我將數組連接為字符串列表，就像a = ['2','1,2,3','4,5']

然后使用純TF代碼分割此字符串，這是簡單的代碼：

def pad_length(sequence, limited_len):
    seq_sparse = tf.string_split(sequence, ',')
    seq_dense = tf.sparse_to_dense(
        seq_sparse.indices, seq_sparse.dense_shape, tf.cast(tf.string_to_number(seq_sparse.values), tf.int32)
    )
    seq_slice = tf.strided_slice(seq_dense, [0, 0], [tf.shape(sequence)[0], limited_len])
    pad_dense = tf.pad(seq_slice, paddings=[[0, 0], [0, limited_len - tf.shape(seq_slice)[1]]])
    return pad_dense

a = ['2','1,2,3','4,5']
a = tf.convert_to_tensor(a)
b = pad_length(a, 3)

sess=tf.Ssssion()
sess.run(b)

"""
b => array([
   [2, 0, 0],
   [1, 2, 3],
   [4, 5, 0]
], dtype=int32)
"""

干杯!