Tensorflow表查找int->float

给定一个包含整数（代表类）的未知维度 [?, ?] 的 2D 张量，我想获得一个相同形状的新张量，但用从查找表中获取的浮点数替换值（代表类权重）。

例如：

inputs = [ [1,3,3], [2,4,2] ]
lookup table: {1: 0.2, 2: 0.25, 3: 0.1, 4: 0.45}
output: [ [0.2, 0.1, 0.1], [0.25, 0.45, 0.25] ]

我尝试使用 tf.map_fn 链接两个 lambda 函数，迭代每一行，然后迭代每个元素：

elem_iter = lambda y: unknown_lookup_function(y)
row_iter = lambda x: elem_iter(x)
weights = tf.map_fn(row_iter, inputs, dtype=tf.float32)

但无法找到定义查找函数的正确方法。 关于如何实施这种行为有什么建议吗？是否有我可以使用的本机操作来代替 map_fn ？

我想你想用tf.gather https://www.tensorflow.org/api_docs/python/tf/gather:

这个想法是将查找表存储为数组。在指数为i，您存储输入的查找值i。如果您的密钥不是整数而是字符串，则需要使用index_table_from_file https://www.tensorflow.org/api_docs/python/tf/contrib/lookup/index_table_from_file.

# Note I pad a dummpy element at index-0.
lookup_table = tf.constant([0, 0.2, 0.25, 0.1, 0.45])

inputs = tf.constant([ [1,3,3], [2,4,2] ])
output = tf.gather(lookup_table, inputs)
with tf.Session() as sess:
  print sess.run(output)

> 
  [[ 0.2         0.1         0.1       ]
   [ 0.25        0.44999999  0.25      ]]