32

我的问题是两个相关的部分：

  1. 如何计算沿张量某个轴的最大值？例如，如果我有

    x = tf.constant([[1,220,55],[4,3,-1]])

    我想要类似的东西

    x_max = tf.max(x, axis=1)
print sess.run(x_max)

output: [220,4]

    我知道有 atf.argmax和 a tf.maximum，但都没有给出沿单个张量轴的最大值。现在我有一个解决方法：

    x_max = tf.slice(x, begin=[0,0], size=[-1,1])
for a in range(1,2):
    x_max = tf.maximum(x_max , tf.slice(x, begin=[0,a], size=[-1,1]))

    但它看起来不太理想。有一个更好的方法吗？

  2. 给定argmax一个张量的索引，我如何使用这些索引索引另一个张量？使用x上面的示例，我该如何执行以下操作：

    ind_max = tf.argmax(x, dimension=1)    #output is [1,0]
y = tf.constant([[1,2,3], [6,5,4])
y_ = y[:, ind_max]                     #y_ should be [2,6]

    我知道切片，就像最后一行一样，在 TensorFlow 中还不存在（#206）。

    我的问题是：对于我的具体情况，最好的解决方法是什么（可能使用其他方法，如收集、选择等）？

    附加信息：我知道x并且y将只是二维张量！

4

2 回答 2

67

tf.reduce_max()操作员正好提供了这个功能。默认情况下，它计算给定张量的全局最大值，但您可以指定 的列表reduction_indices，其含义与axisNumPy 中的相同。要完成您的示例：

x = tf.constant([[1, 220, 55], [4, 3, -1]])
x_max = tf.reduce_max(x, reduction_indices=[1])
print sess.run(x_max)  # ==> "array([220,   4], dtype=int32)"

如果使用 计算 argmax ，则可以通过使用展平，将 argmax 索引转换为向量索引，然后使用提取适当tf.argmax()的值，从不同的张量中获取值：yytf.reshape()tf.gather()

ind_max = tf.argmax(x, dimension=1)
y = tf.constant([[1, 2, 3], [6, 5, 4]])

flat_y = tf.reshape(y, [-1])  # Reshape to a vector.

# N.B. Handles 2-D case only.
flat_ind_max = ind_max + tf.cast(tf.range(tf.shape(y)[0]) * tf.shape(y)[1], tf.int64)

y_ = tf.gather(flat_y, flat_ind_max)

print sess.run(y_) # ==> "array([2, 6], dtype=int32)"
于 2016-01-25T08:30:27.960 回答
2

从TensorFlow 1.10.0 - dev20180626 开始，tf.reduce_max接受axis和keepdims关键字参数提供与numpy.max.

In [55]: x = tf.constant([[1,220,55],[4,3,-1]])

In [56]: tf.reduce_max(x, axis=1).eval() 
Out[56]: array([220,   4], dtype=int32)

要获得与输入张量相同维度的结果张量，请使用keepdims=True

In [57]: tf.reduce_max(x, axis=1, keepdims=True).eval()Out[57]: 
array([[220],
       [  4]], dtype=int32)

如果axis未明确指定参数，则返回张量级最大元素（即所有轴都减少）。

In [58]: tf.reduce_max(x).eval()
Out[58]: 220
于 2018-10-12T18:10:06.427 回答