Python 使用字符串张量查找Tensorflow字典

有没有办法根据Tensorflow中的字符串张量执行字典查找

在普通Python中，我会执行以下操作

value = dictionary[key]

value_tensor = tf.dict_lookup(string_tensor)

。现在我想在Tensorflow运行时做同样的事情，当我将

键作为字符串张量时。差不多

value = dictionary[key]

value_tensor = tf.dict_lookup(string_tensor)

很好。
TensorFlow是一种数据流语言，除了张量之外不支持数据结构。没有地图或字典类型。但是，根据您的需要，当您使用Python包装器时，可以在驱动程序进程中维护一个用Python执行的字典，并使用它与TensorFlow图形执行交互。例如，您可以在会话中执行TensorFlow图的一个步骤，向Python驱动程序返回字符串值，将其用作驱动程序中字典的键，并使用检索到的值确定要从会话请求的下一个计算。如果这些字典查找的速度对性能至关重要，那么这可能不是一个好的解决方案。
您可能会发现
tensorflow.contrib.lookup
很有帮助：


特别是，您可以执行以下操作：

table = tf.contrib.lookup.HashTable(
  tf.contrib.lookup.KeyValueTensorInitializer(keys, values), -1
)
out = table.lookup(input_tensor)
table.init.run()
print out.eval()

如果您希望在默认情况下启用“急切执行”的新TF 2.x代码中运行此操作。下面是快速代码片段

import tensorflow as tf

# build a lookup table
table = tf.lookup.StaticHashTable(
    initializer=tf.lookup.KeyValueTensorInitializer(
        keys=tf.constant([0, 1, 2, 3]),
        values=tf.constant([10, 11, 12, 13]),
    ),
    default_value=tf.constant(-1),
    name="class_weight"
)

# now let us do a lookup
input_tensor = tf.constant([0, 0, 1, 1, 2, 2, 3, 3])
out = table.lookup(input_tensor)
print(out)

输出：

tf.Tensor([10 10 11 11 12 12 13 13], shape=(8,), dtype=int32)

gather可以帮助您，但它只获取list的值。您可以将字典转换为键和值列表，然后应用tf.gather。例如：

# Your dict
dict_ = {'a': 1.12, 'b': 5.86, 'c': 68.}
# concrete query
query_list = ['a', 'c']

# unpack key and value lists
key, value = list(zip(*dict_.items()))
# map query list to list -> [0, 2]
query_list = [i for i, s in enumerate(key) if s in query_list]

# query as tensor
query = tf.placeholder(tf.int32, shape=[None])
# convert value list to tensor
vl_tf = tf.constant(value)
# get value
my_vl = tf.gather(vl_tf, query)

# session run
sess = tf.InteractiveSession()
sess.run(my_vl, feed_dict={query:query_list})

对于字符串，使用
键=['a'，'b'，'c']
并将
输入张量更改为类似
tf.constant（['a'，'a'，'c'，'b']）
。关于如何将值用作数组，有什么想法吗？比如
values=tf.constant（[0.1,0.2,0.3]，[0.2,0.5,0.7]，[0.3,0.4,0.5]]
。我想将字符串键映射到数组值。提前感谢您的讲解！