tensorflow：根据某个分隔符拆分张量

假设我有一个张量，比如：

ts = tf.constant([1,2,3,-1,3,4,5,-1,2])

如何将张量拆分为一个以

-1

为分隔符的张量列表，并获得以下结果

tf.constant([1,2,3])
tf.constant([3,4,5])
tf.constant([1,2])

---

您可以将常量转换为字符串，然后将其作为字符串拆分为所需的片段，然后再将其转换回数字列表：

以下是切片步骤：

import tensorflow as tf

ts = tf.constant([1,2,3,-1,3,4,5,-1,2])
ts_slices = 
    tf.string_split(tf.reshape(tf.reduce_join(tf.as_string(ts)), 
    [-1]), delimiter='-1')
sess = tf.Session()
sess.run(ts_slices.values)

这将为您提供：

array([b'23', b'345', b'2'], dtype=object)

现在您可以再次转换为整数

---

我不确定这是否是解决这个问题的最好办法，但至少它会解决你的问题

部分解决方案，您必须提前指定块的数量。希望这仍然有帮助

代码（已测试）：

产出：

[[array（[1,2,3]，dtype=int32），
数组（[3,4,5]，dtype=int32），
数组（[1,2]，dtype=int32）]]

---

借用Sabine Maennel的答案，这里有一个完整的解决方案：

import tensorflow as tf

def split_by_delimiter(ts, delimiter):
    """Split a tensor similarly to python's `str.split` method."""
    ts_str = tf.reshape(tf.reduce_join(tf.as_string(ts), separator=' '), [-1])
    ts_slices = tf.string_split(
        tf.string_split(ts_str, delimiter=str(delimiter)).values)

    result = tf.SparseTensor(
        ts_slices.indices,
        tf.string_to_number(ts_slices.values, out_type=tf.int64),
        ts_slices.dense_shape)

    return tf.sparse_tensor_to_dense(result)

---

此解决方案将丢失第一个块上的前导1。

import tensorflow as tf

def split_by_delimiter(ts, delimiter):
    """Split a tensor similarly to python's `str.split` method."""
    ts_str = tf.reshape(tf.reduce_join(tf.as_string(ts), separator=' '), [-1])
    ts_slices = tf.string_split(
        tf.string_split(ts_str, delimiter=str(delimiter)).values)

    result = tf.SparseTensor(
        ts_slices.indices,
        tf.string_to_number(ts_slices.values, out_type=tf.int64),
        ts_slices.dense_shape)

    return tf.sparse_tensor_to_dense(result)