如何使用tensorflow做张量排序和字符串拼接？
本文，将总结一下最近使用tensorflow中遇到的两个小需求：张量排序和字符串拼接，咱们一起来学习一下，嘻嘻！
1、张量排序
tensorflow是没有类似于python中sorted或者np.sort方法的，如果在流中使用这两个方法，是会报错的！那么我们如果想要在graph中实现对张量的排序，该如何做呢！我觉得可以使用top_k函数！
tf.nn.top_k
函数如下：
tf.nn.top_k(input, k, name=None)这个函数的作用是返回 input 中每行最大的 k 个数(如果想要实现排序，k设置成数组长度即可)，并且返回它们所在位置的索引。因此，返回的是一个tuple，我们用下标索引0取出排序后的结果。
看下面的例子：
choose = tf.placeholder(tf.int64,[None,5])
sortresult = tf.nn.top_k(choose,5,sorted=True)
sortresultarr = tf.nn.top_k(choose,5,sorted=True)[0]
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
feed_dict = {
choose:[[5,4,3,0,1],[2,3,0,4,2],[2,3,5,4,2]]
}
print(sess.run(sortresult,feed_dict=feed_dict))
print(sess.run(sortresultarr,feed_dict = feed_dict))返回的结果如下：
TopKV2(values=array([[5, 4, 3, 1, 0],
[4, 3, 2, 2, 0],
[5, 4, 3, 2, 2]]), indices=array([[0, 1, 2, 4, 3],
[3, 1, 0, 4, 2],
[2, 3, 1, 0, 4]], dtype=int32))
[[5 4 3 1 0]
[4 3 2 2 0]
[5 4 3 2 2]]2、字符串拼接
实现字符串拼接，如果给出的是数字型的tensor，我们首先要将数字转换成字符串，这里使用tf.as_string方法。
sortresultarr = tf.as_string(tf.nn.top_k(choose,5,sorted=True)[0])输出如下：
[[b'5' b'4' b'3' b'1' b'0']
[b'4' b'3' b'2' b'2' b'0']
[b'5' b'4' b'3' b'2' b'2']]也许你可能会使用tf.cast方法，不好意思，我们在将int64位转换成string时，报错了:
sortresultarr = tf.cast(tf.nn.top_k(choose,5,sorted=True)[0],tf.string)
error:Cast int64 to string is not supported转换成字符串之后，字符串拼接我们可以查到两种方法：tf.reduce_join和tf.string_join。我们分别来试验下这两种方法。
tf.string_join
tf.string_join(
inputs,
separator='',
name=None
)该方法将给定的字符串张量列表中的字符串连接成一个张量。如果我们直接把刚才的结果放入到函数中，报错了：
sortresultstr = tf.string_join(sortresultarr,separator=",")
#ERROR
TypeError: Expected list for 'inputs' argument to 'string_join' Op, not <tf.Tensor 'AsString:0' shape=(?, 5) dtype=string>.因为函数要求输入的是一个list，而非一个张量，那好，我们就放入一个list，比如我们将结果的前两行放入：
sortresultstr = tf.string_join([sortresultarr[0],sortresultarr[1]],separator=",")这次没有报错，而是返回了一个有趣的结果：
[b'5,4' b'4,3' b'3,2' b'1,2' b'0,0']可以看到，它将我们传入的list中，按位进行了拼接，是不是很有趣！不过这并不是我们想要的答案，如果想要按行进行拼接，应该使用reduce_join函数。
tf.reduce_join
reduce_join(
inputs,
axis=None,
keep_dims=False,
separator='',
name=None,
reduction_indices=None
)解释一下几个重要的参数： inputs：string类型的Tensor。要加入的输入。所有减少的指数必须为非零的大小。 axis：拼接的维度。 keep_dims：可选的bool。默认为False。如果为True，则保留维度减小的长度1。 separator：可选的string。默认为""。加入时要使用的分隔符。
看下面的例子：
sortresultstr = tf.reduce_join(sortresultarr,axis=1,keep_dims=True,separator=",")结果如下：
[[b'5,4,3,1,0']
[b'4,3,2,2,0']
[b'5,4,3,2,2']]参考文献
1、https://www.w3cschool.cn/tensorflow_python/tensorflow_python-zku82hj1.html 2、https://www.w3cschool.cn/tensorflow_python/tensorflow_python-ukns2mo5.html 3、https://blog.csdn.net/wuguangbin1230/article/details/72820627
推荐阅读：强化学习系列
实战深度强化学习DQN-理论和实践
DQN三大改进(一)-Double DQN
DQN三大改进(二)-Prioritised replay
DQN三大改进(三)-Dueling Network
深度强化学习-Policy Gradient基本实现
深度强化学习-Actor-Critic算法原理和实现
深度强化学习-DDPG算法原理和实现
对抗思想与强化学习的碰撞-SeqGAN模型原理和代码解析
用Deep Recurrent Q Network解决部分观测问题！
有关作者：
石晓文，中国人民大学信息学院在读研究生，美团外卖算法实习生
简书ID：石晓文的学习日记(https://www.jianshu.com/u/c5df9e229a67)
天善社区：https://www.hellobi.com/u/58654/articles
腾讯云：https://cloud.tencent.com/developer/user/1622140