Tensorflow Tensor rimodellamento e pad con zeri

Question

C'è un modo per rimodellare un tensore e tamponare eventuali overflow con zeri? So che ndarray.reshape fa questo, ma a quanto ho capito, la conversione di un Tensore in un array ND richiederebbe flip-flopping tra la GPU e la CPU.

La documentazione di risagoma() di Tensorflow dice che le forme di Tensor devono avere lo stesso numero di elementi, quindi forse il modo migliore sarebbe un pad() e quindi risagoma()?

che sto cercando di realizzare:

a = tf.Tensor([[1,2],[3,4]]) 
tf.reshape(a, [2,3]) 
a => [[1, 2, 3], 
     [4, 0 ,0]] 

Answer 1

tensorflow offre ora la funzione di tampone che svolge imbottitura su un tensore in diversi modi (come la funzione imbottitura di opencv2 per gli array):

https://www.tensorflow.org/versions/r0.8/api_docs/python/array_ops.html#pad

tf.pad(tensor, paddings, mode='CONSTANT', name=None) 

esempio dai documenti di cui sopra:

# 't' is [[1, 2, 3], [4, 5, 6]]. 
# 'paddings' is [[1, 1,], [2, 2]]. 
# rank of 't' is 2. 
pad(t, paddings, "CONSTANT") ==> [[0, 0, 0, 0, 0, 0, 0], 
            [0, 0, 1, 2, 3, 0, 0], 
            [0, 0, 4, 5, 6, 0, 0], 
            [0, 0, 0, 0, 0, 0, 0]] 

pad(t, paddings, "REFLECT") ==> [[6, 5, 4, 5, 6, 5, 4], 
           [3, 2, 1, 2, 3, 2, 1], 
           [6, 5, 4, 5, 6, 5, 4], 
           [3, 2, 1, 2, 3, 2, 1]] 

pad(t, paddings, "SYMMETRIC") ==> [[2, 1, 1, 2, 3, 3, 2], 
            [2, 1, 1, 2, 3, 3, 2], 
            [5, 4, 4, 5, 6, 6, 5], 
            [5, 4, 4, 5, 6, 6, 5]] 

Answer 2

Per quanto ne so, non c'è built-in operatore che fa questo (tf.reshape() vi darà un errore se le forme non corrispondono). Tuttavia, è possibile ottenere lo stesso risultato con un paio di diversi operatori:

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

# Reshape `a` as a vector. -1 means "set this dimension automatically". 
a_as_vector = tf.reshape(a, [-1]) 

# Create another vector containing zeroes to pad `a` to (2 * 3) elements. 
zero_padding = tf.zeros([2 * 3] - tf.shape(a_as_vector), dtype=a.dtype) 

# Concatenate `a_as_vector` with the padding. 
a_padded = tf.concat(0, [a_as_vector, zero_padding]) 

# Reshape the padded vector to the desired shape. 
result = tf.reshape(a_padded, [2, 3])