相当于 TensorFlow 中的 np.resize

Question

我有一个一维数组 x 并且想按照 np.resize 正在做的相同方式将其重新整形为请求的形状，即如果 x 中的元素太多它们被丢弃，如果太少，它们被循环添加，例如

x = np.array([1, 2, 3, 4, 5, 6])
y = np.resize(x, shape=(2, 2))
assert y == np.array([[1, 2], [3, 4]])
z = np.resize(x, shape=(3, 3))
assert z == np.array([[1, 2, 3], [4, 5, 6], [1, 2, 3]])

我想知道如何仅使用 TensorFlow 中的张量运算符来做到这一点。

Answer 1

我不确定这是否可以在 TF 中的单个操作中实现，但可以使用 crops 或 tf.tile 编写一个函数，然后重塑结果。

Answer 2

感谢 Poe Dator's 我最终得到了以下解决方案：

def tf_resize(t, shape):
    """
    Args:
      t: a `Tensor`
      shape: requested output shape
    """
    input_size = tf.size(t)
    output_size = tf.reduce_prod(shape)
    t_flatten = tf.reshape(t, [input_size])
    result = tf.tile(t_flatten, [output_size // input_size + 1])
    return tf.reshape(result[0:output_size], shape=shape)

相当于 TensorFlow 中的 np.resize

Equivalent of np.resize in TensorFlow

tensorflow

tensor