Tensorflow 什么是生成“a”的好方法；“对称阶梯”；或；相邻的；使用张量流的矩阵？

（更新我忘了说输入是批处理的）给定bool数组，例如，

[[false，false，false，true，false，false]，[false，true，false，false，false，true，false]

，其中“true”定义了单独序列的边界。我想生成一个相邻矩阵，表示由边界分隔的不同组。使用Tensorflow生成以下“对称阶梯”矩阵的好方法是什么

    [[
    [1 1 1 0 0 0 0 0 0]
    [1 1 1 0 0 0 0 0 0]
    [1 1 1 0 0 0 0 0 0]
    [0 0 0 0 0 0 0 0 0]
    [0 0 0 0 1 1 0 0 0]
    [0 0 0 0 1 1 0 0 0]
    [0 0 0 0 0 0 0 0 0]
    [0 0 0 0 0 0 0 1 1]
    [0 0 0 0 0 0 0 1 1]
    ]
    [
    [1 0 0 0 0 0 0 0 0]
    [0 0 0 0 0 0 0 0 0]
    [0 0 1 1 1 1 1 0 0]
    [0 0 1 1 1 1 1 0 0]
    [0 0 1 1 1 1 1 0 0]
    [0 0 1 1 1 1 1 0 0]
    [0 0 1 1 1 1 1 0 0]
    [0 0 0 0 0 0 0 0 0]
    [0 0 0 0 0 0 0 0 0]
    ]]

2018年6月15日更新： 实际上，我在这个问题上取得了一些进展，如果我能将输入信号从[false，false，false，true，false，false]转换为[1，1，1，0，2，2，0，3，3]，我可以使用下面的Tensorflow代码得到一些结果。但我不确定是否有向量运算可以将[false，false，false，true，false，false，true，false]转换为[1,1,1,0,2,2,0,3]

import tensorflow as tf
sess = tf.Session()

x = tf.constant([1, 1, 1, 0, 2, 2, 0, 3, 3], shape=(9, 1), dtype=tf.int32)
y = tf.squeeze(tf.cast(tf.equal(tf.expand_dims(x, 1), x), tf.int32))
print(sess.run(y))
[[1 1 1 0 0 0 0 0 0]
 [1 1 1 0 0 0 0 0 0]
 [1 1 1 0 0 0 0 0 0]
 [0 0 0 1 0 0 1 0 0]
 [0 0 0 0 1 1 0 0 0]
 [0 0 0 0 1 1 0 0 0]
 [0 0 0 1 0 0 1 0 0]
 [0 0 0 0 0 0 0 1 1]
 [0 0 0 0 0 0 0 1 1]]

最终更新： 我从@Willem Van Onsem那里得到了很多灵感。 对于批处理版本，可以通过从@Willem Van Onsem solution修改一点来解决

import tensorflow as tf
b = tf.constant([[False, False, False, True, False, False, True, False, False], [False, True, False, False, False, False, False, False, False]], shape=(2, 9, 1), dtype=tf.int32)
x = (1 + tf.cumsum(tf.cast(b, tf.int32), axis=1))  * (1-b)
x = tf.cast(tf.equal(x, tf.transpose(x, perm=[0,2,1])),tf.int32) - tf.transpose(b, perm=[0,2,1])*b


with tf.Session() as sess:
  print(sess.run(x))

但我不确定是否有向量运算可以将

[False，False，False，True，False，False，False，False，False，False]

转换为

[1，1，1，0，2，2，0，3，3]

有下面的例子：

b = tf.constant([False, False, False, True, False, False, True, False, False], shape=(9,), dtype=tf.int32)

然后我们可以使用生成：

>>> print(sess.run(1+tf.cumsum(b)))
[1 1 1 2 2 2 3 3 3]

如果我们将这些值与

b

的反方向相乘，我们得到：

>>> print(sess.run((1+tf.cumsum(b))*(1-b)))
[1 1 1 0 2 2 0 3 3]

因此，我们可以将此表达式存储在变量中，例如

x

：

x = (1+tf.cumsum(b))*(1-b)

我想生成一个相邻矩阵，表示由边界分隔的不同组。使用Tensorflow生成以下“对称阶梯”矩阵的好方法是什么

    [[
    [1 1 1 0 0 0 0 0 0]
    [1 1 1 0 0 0 0 0 0]
    [1 1 1 0 0 0 0 0 0]
    [0 0 0 0 0 0 0 0 0]
    [0 0 0 0 1 1 0 0 0]
    [0 0 0 0 1 1 0 0 0]
    [0 0 0 0 0 0 0 0 0]
    [0 0 0 0 0 0 0 1 1]
    [0 0 0 0 0 0 0 1 1]
    ]
    [
    [1 0 0 0 0 0 0 0 0]
    [0 0 0 0 0 0 0 0 0]
    [0 0 1 1 1 1 1 0 0]
    [0 0 1 1 1 1 1 0 0]
    [0 0 1 1 1 1 1 0 0]
    [0 0 1 1 1 1 1 0 0]
    [0 0 1 1 1 1 1 0 0]
    [0 0 0 0 0 0 0 0 0]
    [0 0 0 0 0 0 0 0 0]
    ]]

如果我们遵循您的方法，我们只需删除两个列表同时为

0

的点。我们可以通过以下方式做到这一点：

tf.cast(tf.equal(x, tf.transpose(x)),tf.int32) - tf.transpose(b)*b

所以这里我们使用你的方法，我们基本上广播

x

，和

x

的转置，检查元素相等，然后从中减去

b

的元素相乘。这将产生：

>>> print(sess.run(tf.cast(tf.equal(x, tf.transpose(x)),tf.int32) - tf.transpose(b)*b))
[[1 1 1 0 0 0 0 0 0]
 [1 1 1 0 0 0 0 0 0]
 [1 1 1 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0]
 [0 0 0 0 1 1 0 0 0]
 [0 0 0 0 1 1 0 0 0]
 [0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 1 1]
 [0 0 0 0 0 0 0 1 1]]

---

太棒了，谢谢你。我想知道输入是否可能不是单个向量？例如，b=tf.常量（[[False，False，False，True，False，False，False]，[False，False，False，True，False，False]]，shape=（9,2），dtype=tf.int32）@Hypnoz:那么输出应该是什么呢？4d张量？实际上我认为它是3d张量。因为之前的输出是2d张量，现在我们只需要第一个维度作为批处理。我刚刚更新了问题。似乎tf.equal在这种情况下不起作用。@Hypnoz:ha，你是说原始问题的矢量化版本？@Willen我想我可能需要一个批量版本的答案。输入是[bastch_size，d，]bool张量，输出是[batch_size，d，d]（在我的例子中，d=9）。我也在尝试这一点，但它似乎更难。