如何有条件地为张量赋值[掩蔽损失函数]？

Question

我想创建一个 L2 损失函数，它忽略标签值为 0 的值（=> 像素）。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）。什么是张量流方式来做到这一点？我还尝试将损失归一化为tf.reduce_sum(labels_mask)，我希望它像这样工作。

Answer 1

以下是如何应用布尔索引并有条件地将值赋给变量的示例：

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]

Answer 2

如果你想这样写，就必须使用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使之成为可能，但很烦人）。写起来会很棘手，读起来也很困难。

您有两个不那么烦人的选择：

1. 用作labels_mask > 0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按照您想要的方式使用它。