Python tensorflow中2d数组从最小值到最大值的排序
我有一个数组Python tensorflow中2d数组从最小值到最大值的排序,python,arrays,tensorflow,Python,Arrays,Tensorflow,我有一个数组 x1 = tf.Variable([[0.51, 0.52, 0.53, 0.94, 0.35], [0.32, 0.72, 0.83, 0.74, 0.55], [0.23, 0.72, 0.63, 0.64, 0.35], [0.11, 0.02, 0.03, 0.14, 0.15], [0.01, 0.72, 0.73, 0.04, 0.75]],tf.float32)
x1 = tf.Variable([[0.51, 0.52, 0.53, 0.94, 0.35],
[0.32, 0.72, 0.83, 0.74, 0.55],
[0.23, 0.72, 0.63, 0.64, 0.35],
[0.11, 0.02, 0.03, 0.14, 0.15],
[0.01, 0.72, 0.73, 0.04, 0.75]],tf.float32)
我想将每行中的元素从最小值排序到最大值。是否有这样的功能
在这里的示例中,他们使用tf.nn.top_k
,使用这个我可以循环创建最大到最小值
def sort(instance):
sorted = []
rows = tf.shape(instance)[0]
col = tf.shape(instance)[1]
for i in range(rows.eval()):
matrix.append([tf.gather(instance[i], tf.nn.top_k(instance[i], k=col.eval()).indices)])
return matrix
在查找最小到最大值或如何反转每行中的数组时,是否有类似的方法?正如@Yaroslav所建议的,您可以使用
top\k
值
a = tf.Variable([[0.51, 0.52, 0.53, 0.94, 0.35],
[0.32, 0.72, 0.83, 0.74, 0.55],
[0.23, 0.72, 0.63, 0.64, 0.35],
[0.11, 0.02, 0.03, 0.14, 0.15],
[0.01, 0.72, 0.73, 0.04, 0.75]],tf.float32)
row_size = a.get_shape().as_list()[-1]
top_k = tf.nn.top_k(-a, k=row_size)
sess.run(-top_k.values)
这是我的指纹
array([[ 0.34999999, 0.50999999, 0.51999998, 0.52999997, 0.94 ],
[ 0.31999999, 0.55000001, 0.72000003, 0.74000001, 0.82999998],
[ 0.23 , 0.34999999, 0.63 , 0.63999999, 0.72000003],
[ 0.02 , 0.03 , 0.11 , 0.14 , 0.15000001],
[ 0.01 , 0.04 , 0.72000003, 0.73000002, 0.75 ]], dtype=float32)
-tf.nn.top_k(-a)
为您提供了反转的ID u平均值tf.gather(-instance[i],tf.nn.top_k(-instance[i],k=col.eval()).index),我得到了类型错误:一元操作数类型错误,因为top_k
返回两个输出,只需对其中一个进行求反