n维张量中的最大张量（不是元素）

我发现即使通过求和张量并使用gather或gather_nd，也无法获得n维数组中的最大张量。n维张量中的最大张量（不是元素）

最大张量我是指总和最高的权重集合。

我有一个形状的张量（-1,4,30,256），其中256是权重。我需要为每个（-1,0,30），（-1,1,30），（-1,2,30）和（-1，3，30）获得最大权重集合，，所以在第二维的每张张量下。

这将理想地导致（-1,4,256）张量。

reduce_max和任何其他最大函数将只返回最后一个维度内的最大元素值，而不是维度本身中的最大张量（这是具有最高总和的权重集合）。我曾尝试：

p1 = tf.reduce_sum(tensor, axis=3) # (-1, 4, 30) 
p2 = tf.argmax(p1, 2) # (-1, 4)

这给适当的索引值的第三维：

[[0, 2, 2, 0], 
[0, 1, 3, 0], 
...

但运行上述tf.gather或tf.gather_nd不工作，我的拆分数据，即使事先和使用不同的轴。

而且，我可以得到拨款指标，如果我的手用gather_nd，如：

tf.gather_nd(out5, [[0,0,0], [0,1,2], [0,2,2], [0,3,0], [1,0,0], [1,1,2], [1,2,2], [1,3,1]])

但是，当我们使用的是未知的第一个维度的变量tensorflow，我不能建立这些索引。

我已经通过搜索相关的解决方法，发现没有适用。

谁能告诉我如何做到这一点？谢谢！

编辑澄清：

权重最大的张量将是具有最高总和的权重集：

[[ 1, 2, 3], [0, 0, 2], [1, 0, 2]] would be [1, 2, 3]

来源

2017-08-17 John W Smith

你是什么意思最大张量？你的意思是张量是最大单张张量，还是最大张量张量，还是别的？ – ml4294

具有最高求和值的权重（张量）的集合，例如权重[[1,2,3]，[0,1,2]，[2,0,2]]将是[1，2，3 ] –

我想通了使用map_fn：

我重塑了我的张量到（-1,120,256）

tfr = tf.reshape(sometensor, ((-1, 120, 256))) 
def func(slice): 
    f1 = tf.reduce_sum(slice, axis=1) 
    f2 = tf.argmax(f1) 
    return(slice[f2]) 
bla = tf.map_fn(func, tfr)

其中返回（-1,256）与greateted总和矢量（最高权重集）。

基本上，map_fn会沿着从第2轴到最后一个轴的方向进行迭代，所以它会将（120,256）块重复切换到func（第一个轴上的条目是多少）。然后它返回大块合适的（1,256）块，瞧，给出答案。

来源

2017-08-18 02:09:09

n维张量中的最大张量（不是元素）

回答

相关问题