在Tensorflow中找到唯一的值對

Question

在Python 3.X + TensorFlow中，如果我有兩個TF矢量，point_x和point_y（相同的形狀），它們表示一些指針的X和Y座標，我如何找到所有獨特點？

我能夠一起Theano使用複雜的向量在現實和Y虛部分破解此，與X：

complex_points = point_x + point_y * 1j 
unique_points, idxs, groups = T.extra_ops.Unique(True, True, False)(complex_points) 

的TF相當於我想的是：

complex_points = tf.complex(point_x, point_y) 
unique_points, groups = tf.unique(complex_points) 

TensorFlow失敗的東西，如：

InvalidArgumentError: No OpKernel was registered to support Op 'Unique' with these attrs. 
... # supported types include the float/int/string types, no complex types 
[[Node: Unique_1 = Unique[T=DT_COMPLEX64, out_idx=DT_INT32](Complex_1)]] 

顯然，沒有一個人的執行/註冊複雜版本的「獨特」操作。任何想法如何完成這項任務？

Answer 1

那麼，這裏是一個甚至黑客解決方案：使用位級別轉換。

如果張量都是類型tf.float32的，你可以使用：

xy = tf.transpose(tf.pack([point_x, point_y])) 
xy64 = tf.bitcast(xy, type=tf.float64) 
unique64, idx = tf.unique(xy64) 
unique_points = tf.bitcast(unique64, type=tf.float32) 

這背後的原理是把x和y座標一起，讓TensorFlow治療的（X，Y）對作爲一個更長的float，那麼tf.unique適用於這個1-D張量。最後，按照我們的意願將較長的浮標轉換爲兩個真正的浮標。

注意：這種方法真的很不方便，而且你有患南或無窮的風險或一些奇怪的價值。但機會非常渺茫。

另一個可能的解決方法是，如果您的數據類型是整數，您可以將兩個整數打包成一個整數，就像編譯器在將二維索引轉換爲一維索引時所做的一樣。假設，如果x = [1，2，3，2]，y = [0,1,0,1]，則可以將x和y壓縮爲x * 10 + y的一個張量（10是足夠大的數字。任何大於max（y）的值都應該工作），然後在此壓縮數組中找到唯一值。

最後，如果你沒有任何理由在TensorFlow中做這件事，那麼最好在外面做，比如說numpy。您可以評估張量，並刪除numpy中的重複值，然後使用這些numpy數組生成新的張量並將其饋送到網絡的其餘部分。