TensorFlow:沿轴的最大张量

Question

我的问题有两个相互关联的部分:

1. 如何计算张量的某个轴​​上的最大值？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]
   

   我知道有一个tf.argmax和一个tf.maximum,但是没有沿着单个张量的轴给出最大值.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张量的指数,我如何使用这些指数索引另一个张量？使用x上面的示例,我如何执行以下操作:

   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:对于我的特定情况,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只会是二维张量!

Answer 1

该tf.reduce_max()运营商提供的正是这种功能.默认情况下,它计算给定张量的全局最大值,但您可以指定列表reduction_indices,其含义与axisNumPy中的含义相同.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 tf.argmax(),可以y通过展平y使用来获取不同张量的值tf.reshape(),将argmax索引转换为矢量索引,如下所示,并使用tf.gather()提取适当的值:

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)"