Tensorflow:关于张量流函数

我是张力流的新手.我有以下问题:

输入:浮点数列表(或动态数组.在python列表中是要使用的数据类型)输出:是一个大小为2的数组len(input)×len(input)

输入:

[1.0, 2.0, 3.0]

输出:

[[0.09003057, 0.24472847, 0.66524096], 
 [0.26894142, 0.73105858, 0.0       ], 
 [1.0,        0.0,        0.0       ]]

我尝试使用while循环创建函数并独立计算每一行并连接它们,但我的导师让我探索其他方法.

你能建议我如何解决这个问题吗？

您可以通过以下方法实现此目的:

重复输入数组以创建平铺输入数据的方阵

创建一个掩码,其中包含左上角的掩码

使用面罩做softmax.请注意,我们不能tf.nn.softmax在这里使用,因为它也会给那些零提供小的概率

这是一个TensorFlow(v0.12.1)代码,它执行此操作:

def create_softmax(x):
    x_len = int(x.get_shape()[0])

    # create a tiled array
    # [1, 2, 3] 
    # =>
    # [[1,2,3], [1,2,3], [1,2,3]]
    x_tiled = tf.tile(tf.expand_dims(x, 0), [x_len, 1])

    # get the mask to do element-wise multiplication
    mask = tf.ones_like(x_tiled) # returns an array of the same size filled with 1
    mask = tf.matrix_band_part(mask, 0, -1) # zeros everythings except from the upper triangular part 
    mask = tf.reverse(mask, [False, True]) # reverses the y dimension

    # compute masked softmax
    exp = tf.exp(x_tiled) * mask
    sum_exp = tf.reshape(tf.reduce_sum(exp, reduction_indices=1), (-1, 1))

    x_softmax = exp / sum_exp

    return x_softmax