Python Bucketize实值张量

我有这样一个矩阵：

tf_ent = tf.Variable([   [9.96,    8.65,    0.8,    0.1 ],
                         [0.7,     8.33,    0  ,    0   ],
                         [0.9,     0,       6,      7.33],
                         [6.60,    0,       3,      5.5 ],
                         [9.49,    0.,      0,      0   ],
                         [0.4,     8.45,    0,      0.2 ],
                         [0.3,     0,       5.82,   8.28]])

                [[5,    5,    1,    1],
                 [1,    5,    0,    0],
                 [1,    0,    6,    5],
                 [4,    0,    2,    3],
                 [5,    0.,   0,    0],
                 [1,    5,    0,    1],
                 [1,    0,    3,    5]]

我想得到一个输出，在这个输出中，相同范围内的权重得到相同的

数字

换句话说，这个数字很好地代表了矩阵中的
权重范围

所以我的理想输出可以是这样的：

tf_ent = tf.Variable([   [9.96,    8.65,    0.8,    0.1 ],
                         [0.7,     8.33,    0  ,    0   ],
                         [0.9,     0,       6,      7.33],
                         [6.60,    0,       3,      5.5 ],
                         [9.49,    0.,      0,      0   ],
                         [0.4,     8.45,    0,      0.2 ],
                         [0.3,     0,       5.82,   8.28]])

                [[5,    5,    1,    1],
                 [1,    5,    0,    0],
                 [1,    0,    6,    5],
                 [4,    0,    2,    3],
                 [5,    0.,   0,    0],
                 [1,    5,    0,    1],
                 [1,    0,    3,    5]]

在本例中，我使用此条件映射（假设我有映射）：

首先，我尝试了
tf.histogram\u fixed\u width\u bins
，但没有得到预期的结果：
这是我的代码：

value_ranges = [0, 10.0]
nbins = 5
new_f_w_t = tf.histogram_fixed_width_bins(tf_ent, value_ranges, nbins)
print(new_f_w_t)

这是这个代码的输出：

output= [[4 4 0 0]
        [0 4 0 0]
        [0 0 3 3]
        [3 0 1 2]
        [4 0 0 0]
        [0 4 0 0]
        [0 0 2 4]]

输出更像是获得这些浮点数的等效整数，而不是考虑任何范围

如何有效地获得矩阵的动态映射

提前感谢：）
这相当于一个
np.数字化操作。您可以使用
数学运算。\u bucketize
：

from tensorflow.python.ops import math_ops

bins = [0.1, 1, 3, 5, 7, 10]
new_f_w_t = math_ops._bucketize(tf_ent, boundaries=bins)

new_f_w_t.numpy()
array([[5, 5, 1, 1],
       [1, 5, 0, 0],
       [1, 0, 4, 5],
       [4, 0, 3, 4],
       [5, 0, 0, 0],
       [1, 5, 0, 1],
       [1, 0, 4, 5]], dtype=int32)

tf.searchsorted（）
调用也可用于此目的，从而避免调用隐藏的_bucketize函数。不过，您必须平铺箱子以匹配输入值的尺寸

例如：

bins = tf.tile([[0.1, 1, 3, 5, 7, 10]], (tf_ent.shape[0], 1))
new_f_w_t = tf.searchsorted(bins, tf_ent, side="right")

@sariii不能代表开发者说话，但也许他们不认为它是一个非常常用的函数，或者认为
直方图*
方法就足够了。@sariii您的输入和存储箱是否与这里描述的相同？我在TensorFlow 2.0上运行了这个，它运行得很好。是的，我只是复制粘贴，也许我的TensorFlow有问题，我调查了一下，：）你的方法似乎正是我想要的，再次感谢你。这是TensorFlow的问题，非常感谢：）@sariii嗯，不。问问你自己，你会在哪个索引处将9.96插入
垃圾箱中
？对数组中的每个元素重复此操作。这就是
bucketize
所做的。