Python 如何计算Tensorflow中矩阵对角线的和?
比如说,我有矩阵Python 如何计算Tensorflow中矩阵对角线的和?,python,tensorflow,Python,Tensorflow,比如说,我有矩阵4x4比如: 1 2 3 4 5 6 7 8 4 3 2 1 8 7 6 5` 我想得到矩阵2*4-1,元素如下: 8 4+7 5+3+6 1+6+2+5 2+7+1 3+8 4 如何在Tensorflow中实现这一点?当然,对于张量,我有形状[a,b,c,…,l,n,n]的张量,我想得到形状[a,b,c,…,l,2*n-1]。是否只有一个函数可以执行此操作,或者循环是唯一的方法?您可以使用tf.py_func包装numpy函数 import tensorflow as tf
4x4
比如:
1 2 3 4
5 6 7 8
4 3 2 1
8 7 6 5`
我想得到矩阵2*4-1
,元素如下:
8
4+7
5+3+6
1+6+2+5
2+7+1
3+8
4
如何在Tensorflow中实现这一点?当然,对于张量,我有形状
[a,b,c,…,l,n,n]
的张量,我想得到形状[a,b,c,…,l,2*n-1]
。是否只有一个函数可以执行此操作,或者循环是唯一的方法?您可以使用tf.py_func
包装numpy
函数
import tensorflow as tf
import numpy as np
def np_all_trace_sum(a):
n = a.shape[-1]
all_trace_sum = [a.trace(i,axis1=-1,axis2=-2) for i in range(n-1,-n,-1)] # shape = (2*n-1,a,b,c,..,l)
return np.moveaxis(all_trace_sum,0,-1) # shape = (a,b,c,..,l,2*n-1)
A = tf.placeholder(shape=[None,None,4,4],dtype=tf.float32)
result = tf.py_func(np_all_trace_sum, [A], tf.float32)
a = np.array([[1,2,3,4],[5,6,7,8],[4,3,2,1],[8,7,6,5]])
with tf.Session() as sess:
print(sess.run(result,feed_dict={A:[[a,a,a],[a,a,a]]}))
[[[ 8. 11. 14. 14. 10. 11. 4.]
[ 8. 11. 14. 14. 10. 11. 4.]
[ 8. 11. 14. 14. 10. 11. 4.]]
[[ 8. 11. 14. 14. 10. 11. 4.]
[ 8. 11. 14. 14. 10. 11. 4.]
[ 8. 11. 14. 14. 10. 11. 4.]]]