Python 通过连接最后一维中的数字来减少张量

为了识别唯一的序列，我需要使用tensorflow函数，通过连接最后一个维度中的数字，将2D int张量缩减为1D int张量

比如说,

[[1, 0], [2, 1], [1, 3], [2, 0], [0, 1]]

应该成为

[10, 21, 13, 20, 1]

到目前为止，我得到的是

def reduce_concat(input):
  def join(x):
    dec = tf.range(0, x.shape[-1], 1)
    dec = tf.map_fn(lambda x: tf.math.pow(10, x), dec)
    return tf.math.reduce_sum(x * dec)
  return tf.map_fn(join, input)

这几乎是可行的，但它忽略了零，并且不是很优雅

---

如果有人能为这个问题提供一个优雅的解决方案，我将不胜感激。谢谢。

您可以尝试以下方法：

def reduce_concat(input):
  dec = 10**tf.range(input.shape[-1]-1, -1, -1)
  return tf.reduce_sum(input * dec, axis=-1)

输入的结果：

[10, 21, 13, 20,  1]

---

我使用的技巧是创建一个与输入形状相同的

因子

矩阵，其中包含10的幂次使用。然后，进行元素相乘，最后应用reduce和

代码如下：

将tensorflow导入为tf
向量=tf.常数（[[1,0]，[2,1]，[1,3]，[2,0]，[0,1]]）
系数=tf.常数（[列表（反向）（[10**功率用于功率输入
范围（vector.shape[1]））]
输出=tf.减和（tf.乘（向量，因子），轴=1）