在我看来，numpy 函数 bincount 非常有用且易于使用，所以我很自然地使用 TensorFlow 中的模拟函数。最近我了解到很遗憾 tf.bincount 没有 GPU 支持(你可以阅读 here )。有没有其他方法可以在 TensorFlow 中使用 GPU 高效地制作加权直方图，如下例所示？
sess = tf.Session()
values = tf.random_uniform((1,50),10,20,dtype = tf.int32)
weights = tf.random_uniform((1,50),0,1,dtype = tf.float32)
counts = tf.bincount(values, weights = weights)
histogram = sess.run(counts)
print(histogram)
请您参考如下方法:
根据 ekelsen on GitHub 的建议，tf.bincount 的一种高效且受 GPU 支持的替代方法是 tf.unsorted_segment_sum。 正如您在 documentation 中所读到的那样，您可以使用权重作为 data，值作为 segments_ids 的函数。第三个参数 num_segments 应该大于等于 bincount 返回直方图的大小(如果 > 你将在前一个直方图的最后一个之后只有零个元素)。在我上面的示例中，它将是:
sess = tf.Session()
values = tf.random_uniform((1,50),10,20,dtype = tf.int32)
weights = tf.random_uniform((1,50),0,1,dtype = tf.float32)
bins = 50
counts = tf.unsorted_segment_sum(weights, values, bins)
histogram = sess.run(counts)
print(histogram)
和输出:
[ 0. 0. 0. 0. 0.
0. 0. 0. 0. 0.
2.92621088 1.12118244 2.79792929 0.96016133 2.75781202
2.55233836 2.71923089 0.75750649 2.84039998 3.41356659
0. 0. 0. 0. 0.
0. 0. 0. 0. 0. ]
