TensorFlow之ragged tensor

前言

Ragged Tensor（不规则张量） 是一种特殊的多维数据结构，用于处理维度长度不固定的数据（例如变长序列）。与常规张量（所有维度长度相同）不同，Ragged Tensor允许不同维度（如行、列）的元素数量不一致，特别适合处理自然语言、时间序列等变长数据。

应用场景

自然语言处理（NLP）：处理变长句子（如分词后的文本：[[“Hello”, “world”], [“Hi”]]）。
时间序列分析：不同时间步长的序列（如传感器数据）。
图结构数据：每个节点的邻居数量不同（如社交网络）

示例

基本操作：

import tensorflow as tf

# 创建Ragged Tensor
ragged_tensor = tf.ragged.constant([
    [1, 2, 3],
    [4],
    [5, 6]
])
print(ragged_tensor)
# Output: <tf.RaggedTensor [[1, 2, 3], [4], [5, 6]]>

# 转换为普通张量（需填充统一长度）
padded = ragged_tensor.to_tensor(default_value=0)
print(padded)
# Output: [[1 2 3], [4 0 0], [5 6 0]]

结果如下：

<tf.RaggedTensor [[1, 2, 3], [4], [5, 6]]>
tf.Tensor(
[[1 2 3]
 [4 0 0]
 [5 6 0]], shape=(3, 3), dtype=int32)

拼接操作

import tensorflow as tf 

rt1 = tf.ragged.constant([[1, 2], [3]])
rt2 = tf.ragged.constant([[4], [5, 6]])
# 进行拼接
combined = tf.concat([rt1, rt2], axis=1)
print(combined)

sliced = combined[1:]  # 取第二行以后的数据
print(sliced)

结果如下：

<tf.RaggedTensor [[1, 2, 4], [3, 5, 6]]>
<tf.RaggedTensor [[3, 5, 6]]>