Ich habe eine (n, m) Tensor X, wo ich alle Werte kleiner als ein Schwellenwert t Null setzen möchte. Das heißt,Entfernen Sie kleine Werte aus der Matrix
X = X * tf.cast(tf.greater(X, t), X.dtype)
Ich frage mich, ist es eine effizientere Art und Weise, dies zu tun? Weil X in meinem Setup ist riesig und wie ich es verstehe, baut die tf.cast(tf.greater(X, t), X.dtype) einen anderen Tensor, der so viel Speicher wie X benötigt.
Was mit der guten alten
for i in range(n):
for j in range(m):
if X[n][m] < t: X[n][m] = 0
Es ist in Tensorflow – fabian789
Wenn X Ihre Matrix (a numpy Array Ich gehe davon aus) Sie können versuchen:
x[x<small_value]=0
wenn der boolean-Array erstellen Speicher zu viel nimmt Sie können dies durch eine Schleife nach einzelnen Spalten versuchen.
Ich bin nicht sicher, ob dies effiziente
x = tf.constant([1, 2, 3, 4, 5, 6, 7])
y = tf.where(tf.greater(x, tf.constant(5)),
x, # if ture
tf.zeros_like(x)) # if false
with tf.Session() as sess:
a = sess.run(y)
# a is [0, 0, 0, 0, 0, 6, 7]
foo = tf.constant([1., 2., 3., 4., 5., 6., 7., 8., 9., 10.])
threshold_map = tf.greater(foo, tf.constant(5.))
threshold_map_index = tf.reshape(tf.where(threshold_map), [-1])
foo_threshold = tf.gather(foo, threshold_map_index)
# foo_threshold = [6., 7., 8., 9., 10.]
(dies wird nicht Arbeit mit mehr als einer Dimension)
Haben Sie versucht, die 'eval' Methode in Tensorflow, um Ihren Tensor in ein numpy Array zu transformieren und dann eine der folgenden Antworten zu verwenden? –
Ich bin hier nur brainstorming, "tf.add" und "tfsubtract" unterstützen Broadcasting, also sollten sie speichereffizient sein. Kannst du vielleicht versuchen, 't' zu subtrahieren, dann' tf.clip_by_value (...) 'und dann' t' zurück? Intuitiv führt es zu mehr Operationen, aber weniger Speicherverbrauch? –
@RobertLacok Danke für die Eingabe, aber das ist nicht das Gleiche, denke ich. durch Hinzufügen von "t" ersetzen Sie Nullen durch "t" – fabian789