Tensorflow2.0 有没有办法在Tensorflow中用矩阵跟踪两个向量的洗牌？
我试图实现一个对比损失函数，其中我有两批增强图像，其中batch1[i]和batch2[i]来自同一个图像。然而，如果我不洗牌，网络将学习生成一个单位矩阵，因此我尝试了洗牌，但我无法在tensorflow中计算新的单位矩阵。我试图通过以下方式实现它，但tensorflow不会在图形模式下执行numpy函数，因此我需要一个tensorflow解决方案：Tensorflow2.0 有没有办法在Tensorflow中用矩阵跟踪两个向量的洗牌？,tensorflow2.0,Tensorflow2.0,我试图实现一个对比损失函数，其中我有两批增强图像，其中batch1[i]和batch2[i]来自同一个图像。然而，如果我不洗牌，网络将学习生成一个单位矩阵，因此我尝试了洗牌，但我无法在tensorflow中计算新的单位矩阵。我试图通过以下方式实现它，但tensorflow不会在图形模式下执行numpy函数，因此我需要一个tensorflow解决方案： hidden1 = tf.random.normal((24,128)) # Actually outputs of NN hidden2 =
hidden1 = tf.random.normal((24,128)) # Actually outputs of NN
hidden2 = tf. random.normal((24,128))
batch_size = 24
labels = tf.one_hot(tf.range(batch_size), batch_size) # Identity matrix of hidden1, hidden2 to know which augmentations came from the same Image input
shuffle_a = tf.random.shuffle(tf.range(0, batch_size, dtype=tf.int32))
shuffle_b = tf.random.shuffle(tf.range(0, batch_size, dtype=tf.int32))
hidden1 = tf.gather(hidden1, shuffle_a)
hidden2 = tf.gather(hidden2, shuffle_b)
labels_new = np.zeros((24,24))
labels_new[shuffle_a, shuffle_b] = 1
#Heres the Problem: I dont know how to compute this matrix labels_new in Tensorflow