Python 从TensorFlow中的矩阵中删除零向量

正如问题所说，我试图从张量中删除所有零向量（即

[0,0,0,0]

）

鉴于：

array([[ 0.        ,  0.        ,  0.        ,  0.        ],
   [ 0.19999981,  0.5       ,  0.        ,  0.        ],
   [ 0.4000001 ,  0.29999995,  0.10000002,  0.        ],
   ..., 
   [-0.5999999 ,  0.        , -0.0999999 , -0.20000005],
   [-0.29999971, -0.4000001 , -0.30000019, -0.5       ],
   [ 0.        ,  0.        ,  0.        ,  0.        ]], dtype=float32)

我尝试了以下代码（受SO启发）：

但是

bool_mask

似乎也是形状（10000，4），就像它将

x

张量中的每个元素都比较为零，而不是行

我考虑过使用

tf.reduce_sum

，其中整行为零，但这也会忽略像

[1，-1，0，0]

这样的行，我不希望这样

---

想法？

一种可能的方法是对行的绝对值求和，这样就不会忽略像

[1，-1，0，0]

这样的行，然后将其与零向量进行比较。您可以这样做：

intermediate_tensor = reduce_sum(tf.abs(x), 1)
zero_vector = tf.zeros(shape=(1,1), dtype=tf.float32)
bool_mask = tf.not_equal(intermediate_tensor, zero_vector)
omit_zeros = tf.boolean_mask(x, bool_mask)

---

我尝试了鲁德雷斯·潘查的解决方案，但它对我不起作用。也许版本会改变。 我在第一行找到了tipo：

reduce\u sum（tf.abs（x），1）

->

tf.reduce\u sum（tf.abs（x），1）

此外，布尔_掩码具有秩2而不是秩1，这是必需的： 张量：N-D张量。

---

掩码：K-D布尔张量，K只需将张量转换为tf.bool并将其用作布尔掩码：

boolean_mask = tf.cast(x, dtype=tf.bool)              
no_zeros = tf.boolean_mask(x, boolean_mask, axis=0)

---

真不敢相信我想出了减少总和的办法，而且没有想到使用abs。似乎是一个合法的解决方案，我会努力确保它的工作和upvote+接受，如果适用

intermediate_tensor = tf.reduce_sum(tf.abs(x), 1)
zero_vector = tf.zeros(shape=(1,1), dtype=tf.float32)
bool_mask = tf.squeeze(tf.not_equal(intermediate_tensor, zero_vector))
omit_zeros = tf.boolean_mask(x, bool_mask)

boolean_mask = tf.cast(x, dtype=tf.bool)              
no_zeros = tf.boolean_mask(x, boolean_mask, axis=0)