根据多组索引对二维张量的列求和

Question

在 tensorflow 中，我想根据多组索引对 2D 张量的列求和。

例如：

对以下张量的列求和

[[1 2 3 4 5]
 [5 4 3 2 1]]

根据 2 组

索引(第一组用于对列 0 1 2 求和，第二组用于对列 3 4 求和(

[[0,1,2],[3,4]]

应该给出 2 列

[[6  9]
 [12 3]]

言论：

1. 所有列的索引将显示在一组索引中，且仅显示在一组索引中。
2. 这必须在 Tensorflow 中完成，以便梯度可以通过此操作流动。

您知道如何执行该操作吗？我怀疑我需要使用 tf.slice，可能tf.while_loop。

Answer 1

你可以

用tf.segment_sum来做到这一点：

import tensorflow as tf
nums = [[1, 2, 3, 4, 5],
        [5, 4, 3, 2, 1]]
column_idx = [[0, 1, 2], [3, 4]]
with tf.Session() as sess:
    # Data as TF tensor
    data = tf.constant(nums)
    # Make segment ids
    segments = tf.concat([tf.tile([i], [len(lst)]) for i, lst in enumerate(column_idx)], axis=0)
    # Select columns
    data_cols = tf.gather(tf.transpose(data), tf.concat(column_idx, axis=0))
    col_sum = tf.transpose(tf.segment_sum(data_cols, segments))
    print(sess.run(col_sum))

输出：

[[ 6  9]
 [12  3]]

Answer 2

如果您

不介意使用 NumPy 解决此问题，我知道在 NumPy 中解决此问题的粗略方法。

import numpy as np
mat = np.array([[1, 2, 3, 4, 5], [5, 4, 3, 2, 1]])
grid1 = np.ix_([0], [0, 1, 2])
item1 = np.sum(mat[grid1])
grid2 = np.ix_([1], [0, 1, 2])
item2 = np.sum(mat[grid2])
grid3 = np.ix_([0], [3, 4])
item3 = np.sum(mat[grid3])
grid4 = np.ix_([1], [3, 4])
item4 = np.sum(mat[grid4])
result = np.array([[item1, item3], [item2, item4]])