如何在像Pytorch这样的张量流中分配张量？

Question

我正在尝试将Pytorch脚本转换为TensorFlow脚本。但是我无法像pytorch这样的张量张量分配张量。

代码：

import torch
import tensorflow as tf


def true_positive(pred, target, num_classes): #number of classes
    out = []
    for i in range(num_classes):
        out.append(((pred == i) & (target == i)).sum())

    return torch.tensor(out)

pytorch实现：工作

p = torch.tensor([1]) 
t = torch.tensor([2])
n = torch.tensor([2])
y = true_positive(p,t,n)

张量集实现：不起作用！

p = tf.constant([1]) #c = tf.constant([[1.0, 2.0], [3.0, 4.0]])
t = tf.constant([2])
n = tf.constant([2])
y = true_positive(p,t,n)

错误：

---------------------------------------------------------------------- ----------------------------------- typeError Trackback（最近的电话 最后）输入[18]，in＆lt;单元线：22＆gt;（） 20 t = tf.constant（[2]） 21 n = tf.constant（[2]） ---＆gt; 22 y = true_positive（p，t，n）

在[18]中输入true_positive（pred，target，num_classes） 5 def true_positive（pred，target，num_classes）：＃of类 6 out = [] ----＆gt; 7对于i在范围内（num_classes）： 8 out.append（（（（（pred == i）＆amp;（target == i））。sum（）） 10返回火炬。感动（OUT）

文件 〜/opt/anaconda3/lib/python3.9/site-ackages/tensorflow/python/framework/ops.py：1131， 在_eagertenSorbase中。索引（self）1130 def index （self）： - ＆gt; 1131返回self._numpy（）。 index （）

TypeError：只有整数标量阵列可以转换为标量 索引

Answer 1

也许这样的东西：

import tensorflow as tf


def true_positive(pred, target, num_classes): #number of classes
    out = []
    for i in tf.range(num_classes):
      out.append(tf.reduce_sum(tf.cast((pred == i) & (target == i), dtype=tf.int32)))
    return tf.stack(out)

p = tf.constant([4]) #c = tf.constant([[1.0, 2.0], [3.0, 4.0]])
t = tf.constant([4])
n = tf.constant([4])
y = true_positive(p,t,n)
y
# <tf.Tensor: shape=(4,), dtype=int32, numpy=array([0, 0, 0, 0], dtype=int32)>