如何将布尔的张量打包为int32张量的位？

debugcn 发表于 Dev

丢失

我正在TensorFlow 1.15中尝试位操作API。

我有一个Tensorof bool（或int8带有0或1个值），并且我想将TrueorFalse值密集地包装到的位中int32 Tensor。

例如（假设目标是int8），给定Tensor形状16 [0,0,0,0, 0,0,0,1, 0,0,0,1, 0,0,1,0]，我想得到Tensor形状2的a[0x01, 0x12]

我如何有效地做到这一点？

TensorFlow 2.x是否为此提供更好的操作？

原来Tensor是比较运算符的结果。有没有办法使比较Tensor直接返回位打包？

PS现在，我将原始Tensor形状重塑为32xN，然后通过恒定的32x1张量进行左移：[31..0]，然后沿第一维求和。

TF_Support

如果要在数组中使用整数（1和0）。

您可以尝试这种通用方法。

import tensorflow as tf  # TensorFlow 2.1.0
import numpy as np


def convert_bits(storage, bit_array, bit_size):
  for n_bit in range(bit_size):
    storage.assign_add(tf.reverse(bit_array, axis = [-1])[n_bit]*(2**n_bit))

data = [0,1,0,0,0,0,0,1,0,0,0,0,1,0,1,0]
tf_data = tf.convert_to_tensor(data)

bit_size = 8 ## int8
np_array = np.array([])

for index in range(int(len(data)/bit_size)):
  temp_storage = tf.Variable(initial_value=0)
  convert_bits(temp_storage, tf_data[int(index*bit_size):int((index+1)*bit_size)], bit_size)
  np_array = np.append(np_array, temp_storage.numpy())
  print(np_array)

tf_array = tf.convert_to_tensor(np_array, dtype = tf.int32)

print(tf_array) # tf.Tensor([65 10], shape=(2,), dtype=int32)

您可以tf.reverse根据位的字节序来修改和删除。另外，如果您可以在代码中使用TensorFlow操作和数据类型，则应尽可能使用它。

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。