Python 张量流中大范围矩阵的单元数（或谱）计算_Python_Tensorflow

Python 张量流中大范围矩阵的单元数（或谱）计算

python tensorflow

Python 张量流中大范围矩阵的单元数（或谱）计算,python,tensorflow,Python,Tensorflow,我想在Tensorflow中有效地实现矩阵元素多样性的概念，这样它可以在神经网络训练的每次迭代中执行。更准确地说, 输入：一个大矩阵，A的整数H x L范围为[0,2^K），其中K较大输出：一个整数向量或矩阵的谱，s大小H*L+1，其中s[i]表示[0,2^K）中重复i次的整数数计算注意事项：hl=32*400和K=16。此过程需要在神经网络的每次迭代中运行示例： A = [[0,0,0,1,1,2,2], [3,4,4,4,4,5,6]] K = 3 s = [1,2,2,

我想在Tensorflow中有效地实现矩阵元素多样性的概念，这样它可以在神经网络训练的每次迭代中执行。更准确地说,

输入：一个大矩阵，
```
A
```
的整数
```
H x L
```
范围为
```
[0,2^K）
```
，其中
```
K
```
较大
输出：一个整数向量或矩阵的谱，
```
s
```
大小
```
H*L+1
```
，其中
```
s[i]
```
表示
```
[0,2^K）
```
中重复
```
i
```
次的整数数
计算注意事项：
```
hl=32*400
```
和
```
K=16
```
。此过程需要在神经网络的每次迭代中运行

示例：

A = [[0,0,0,1,1,2,2],
     [3,4,4,4,4,5,6]]
K = 3
s = [1,2,2,1,1,0,0,0,0,0,0,0,0,0,0]

天真的方法

I = tf.one_hot(A) #Shape: H x L x 2^K
y = tf.reduce_sum(tf.reduce_sum(I,0),1) # Shape: 2^K
s = tf.bincount(y, minLength = H*L + 1) # Shape: H*L + 1

不幸的是，这种方法的主要问题是，对于中等大小的

扩展到一个热的形式在计算上变得不可行，并且可能会遇到内存不足的问题。在Tensorflow中有没有更有效的方法来做到这一点？

如果在矩阵上调用一次bincount，您将得到一个向量，其中正你有元素i的计数，然后，如果你调用bincount，你会有一个向量，在位置c，你有元素的数量，有计数c，这就是我想你想要的