Tensorflow 张量流中的矢量移位（滚动）

比如说，我们确实希望使用Keras/TensorFlow处理图像（或ndim向量）。 为了实现奇特的正则化，我们希望将每个输入向左移动一个随机数的位置（owerflown部分重新出现在右侧）

如何看待和解决这一问题：

(一)

TensorFlow的numpy roll函数是否有任何变化

(二)

---

我只是自己做了这个，我不认为有一个张量流运算来做np.roll。不过，上面的代码看起来基本正确，只是它不是按ri滚动，而是按（x.shape[1]-ri滚动）

另外，在选择随机整数时需要小心，因为它来自范围（1，x.shape[1]+1）而不是范围（0，x.shape[1]），就好像ri是0，那么x[：，0:ri]将是空的

因此，我的建议更像（沿着维度1滚动）：

---

编辑：在hannes的正确评论后添加了缺少的冒号。

在TensorFlow v1.15.0及更高版本中，您可以使用tf.roll，其工作原理与numpy roll类似。 要改进上述答案，您可以执行以下操作：

# size of x dimension
x_len = tensor.get_shape().as_list()[1]
# random roll amount
i = tf.random_uniform(shape=[1], maxval=x_len, dtype=tf.int32)
output = tf.roll(tensor, shift=i, axis=[1])

对于从v1.6.0开始的旧版本，您必须使用tf.manip.roll：

# size of x dimension
x_len = tensor.get_shape().as_list()[1]
# random roll amount
i = tf.random_uniform(shape=[1], maxval=x_len, dtype=tf.int32)
output = tf.manip.roll(tensor, shift=i, axis=[1])

---

最后一行缺少一个

：

，应该是

y=tf.concat（[x[：，x_len-i:]，x[：，：x_len-i]]，axis=1）

# size of x dimension
x_len = tensor.get_shape().as_list()[1]
# random roll amount
i = tf.random_uniform(shape=[1], maxval=x_len, dtype=tf.int32)
output = tf.roll(tensor, shift=i, axis=[1])

# size of x dimension
x_len = tensor.get_shape().as_list()[1]
# random roll amount
i = tf.random_uniform(shape=[1], maxval=x_len, dtype=tf.int32)
output = tf.manip.roll(tensor, shift=i, axis=[1])