Python Tensorflow中张量的逐行处理

我正在测试代码，以便逐行处理张量

张量可以有最后4个元素为0或非零值的行

如果行的最后4个元素为0[1.0,2.0,2.3,3.4,0,0,0] 最后四个元素将被删除，形状将更改为行中的5个元素。 第一个元素表示行索引。它变得像[0.0,1.0,2.0,2.3,3.4]

如果该行包含所有8个非零值元素，则将其拆分为两行，并将行索引放在第一位。然后

[3.0,4.0,1.0,2.1,1.2,1.4,1.2,1.5]

变得像

[2.0,3.0,4.0,1.0,2.1]，[2.0,1.2,1.4,1.2,1.5]

。第一个元素2.0是以张量表示的行索引

所以经过处理,

[[1.0,2.0,2.3,3.4,0,0,0,0]，[2.0,3.2,4.2,4.0,0,0,0,0]，[3.0,4.0,1.0,2.1,1.2,1.4,1.2,1.5]，[1.2,1.3,3.4,4.5,1,2,3,4]

[[0,1.0,2.0,2.3,3.4],[1.0,2.0,3.2,4.2,4.0],[2.0,3.0,4.0,1.0,2.1],[2.0,1.2,1.4,1.2,1.5],[3.0,1.2,1.3,3.4,4.5],[3.0,1,2,3,4]]

我照做了。但是

错误为TypeError:TypeErro…pected'，）在map\u fn

    import tensorflow as tf

    boxes = tf.constant([[1.0,2.0,2.3,3.4,0,0,0,0],[2.0,3.2,4.2,4.0,0,0,0,0],[3.0,4.0,1.0,2.1,1.2,1.4,1.2,1.5],[1.2,1.3,3.4,4.5,1,2,3,4]])
    rows = tf.expand_dims(tf.range(tf.shape(boxes)[0], dtype=tf.int32), 1)
    def bbox_organize(box, i):
       if(tf.reduce_sum(box[4:]) == 0):
          box=tf.squeeze(box, [5,6,7]
          box=tf.roll(box, shift=1, axis=0)
          box[0]=i
       else:
          box=tf.reshape(box, [2, 4])
          const_=tf.constant(i, shape=[2, 1])
          box=tf.concat([const_, box], 0)
       return box
    b_boxes= tf.map_fn(lambda x: (bbox_organize(x[0], x[1]), x[1]), (boxes, rows), dtype=(tf.int32, tf.int32))
    with tf.Session() as sess: print(sess.run(b_boxes))

我不擅长Tensorflow，还在学习

---

有没有更好的方法实现Tensorflow API来处理它？

您需要做的是变换

框的形状，并获得非零行

import tensorflow as tf
tf.enable_eager_execution();

boxes = tf.constant([[1.0,2.0,2.3,3.4,0,0,0,0],[2.0,3.2,4.2,4.0,0,0,0,0],[3.0,4.0,1.0,2.1,1.2,1.4,1.2,1.5],[1.2,1.3,3.4,4.5,1,2,3,4]])

boxes = tf.reshape(boxes,[tf.shape(boxes)[0]*2,-1])
# [[1.  2.  2.3 3.4]
#  [0.  0.  0.  0. ]
#  [2.  3.2 4.2 4. ]
#  [0.  0.  0.  0. ]
#  [3.  4.  1.  2.1]
#  [1.2 1.4 1.2 1.5]
#  [1.2 1.3 3.4 4.5]
#  [1.  2.  3.  4. ]]

rows = tf.floor(tf.expand_dims(tf.range(tf.shape(boxes)[0]), 1)/2)
# [[0.]
#  [0.]
#  [1.]
#  [1.]
#  [2.]
#  [2.]
#  [3.]
#  [3.]]

add_index = tf.concat([tf.cast(rows,tf.float32),boxes],-1)

index = tf.not_equal(tf.reduce_sum(add_index[:,4:],axis=1),0)
# [ True False  True False  True  True  True  True]

boxes_ = tf.gather_nd(add_index,tf.where(index))
print(boxes_)

# tf.Tensor(
# [[0.  1.  2.  2.3 3.4]
#  [1.  2.  3.2 4.2 4. ]
#  [2.  3.  4.  1.  2.1]
#  [2.  1.2 1.4 1.2 1.5]
#  [3.  1.2 1.3 3.4 4.5]
#  [3.  1.  2.  3.  4. ]], shape=(6, 5), dtype=float32)

我想你更需要上面的代码。矢量化方法将大大快于
tf.map\u fn（）