7

我想创建一个忽略标签值为 0 的值（=> 像素）的 L2 损失函数。张量batch[1]包含标签，output而是净输出的张量，两者的形状均为(None,300,300,1).

labels_mask = tf.identity(batch[1])
labels_mask[labels_mask > 0] = 1
loss = tf.reduce_sum(tf.square((output-batch[1])*labels_mask))/tf.reduce_sum(labels_mask)

我当前的代码屈服于TypeError: 'Tensor' object does not support item assignment（在第二行）。这样做的张量流方式是什么？我还尝试使用 来使损失正常化tf.reduce_sum(labels_mask)，我希望它可以像这样工作。

4

2 回答 2

6

这是一个如何应用布尔索引并有条件地为变量赋值的示例：

a = tf.Variable(initial_value=[0, 0, 4, 6, 1, 2, 4, 0])
mask = tf.greater_equal(a, 2)  # [False False  True  True False  True  True False]
indexes = tf.where(mask)  # [[2] [3] [5] [6]], shape=(4, 1)
b = tf.scatter_update(a, mask, tf.constant(1500))

输出：

[   0,    0, 1500, 1500,    1, 1500, 1500,    0]
于 2018-09-01T18:48:06.583 回答
4

如果你想这样写，你将不得不使用 Tensorflow 的scatter方法进行赋值。不幸的是，tensorflow 也不真正支持布尔索引（新的boolean_select使它成为可能，但很烦人）。写起来很棘手，读起来很困难。

您有两个不那么烦人的选择：

  1. labels_mask > 0用作布尔掩码并使用 Tensorflow 最近的boolean_mask函数。也许这是更张量流的方式，因为它调用任意特定的函数。
  2. 投射labels_mask > 0到浮动：tf.cast(labels_mask > 0, tf.float32). 然后，您可以在代码的最后一行中以您想要的方式使用它。
于 2018-01-30T14:21:25.903 回答