tensorflow中reverse()和reverse_sequence()之间的主要区别是什么？

Question

我使用简单的tensorflow示例来翻转图像.我使用了reverse_sequence和reverse方法,结果是一样的.如果只使用reverse()方法,我们可以翻转图像,那么我们为什么要使用reverse_sequence()方法呢？我只是想知道这种方法的主要区别是什么？提前致谢 :)

import tensorflow as tf
import matplotlib.image as mpimg
import matplotlib.pyplot as plt

# First, load the image again
filename = "MarshOrchid.jpg"
image = mpimg.imread(filename)

# Create a TensorFlow Variable
x = tf.Variable(image, name='x')
height, width, depth = image.shape

model = tf.initialize_all_variables()

with tf.Session() as session:
    # x= tf.reverse(x, dims=[False, True, False],name="reverse")
    x = tf.reverse_sequence(x, [width] * height, 1, batch_dim=0)
    session.run(model)
    result = session.run(x)
    print(session.run(x))

plt.imshow(result)
plt.show()

Answer 1

该tf.reverse_sequence()运算被设计为在使用顺序已被数据填充,使密集的张量.考虑以下矩阵,x其中非零元素看起来是"左对齐":

x = [[1 2 3 4 0 0 0]
     [1 2 3 0 0 0 0]
     [1 2 3 4 5 6 7]]

seq_lens = [4, 3, 7]

评估tf.reverse_sequence(x, seq_lens, seq_dim=1, batch_dim=0)给出:

result = [[4 3 2 1 0 0 0]
          [3 2 1 0 0 0 0]
          [7 6 5 4 3 2 1]]

请注意,结果仍然显示为"左对齐".

相比之下,如果您进行评估tf.reverse(x, [False, True]),则会忽略序列长度,并获得"右对齐"结果:

result = [[0 0 0 4 3 2 1]
          [0 0 0 0 3 2 1]
          [7 6 5 4 3 2 1]]