TensorFlow:沿轴的张量最大值

TensorFlow: Max of a tensor along an axis

我的问题分为两个相关部分:

  1. 如何计算张量沿某个轴的最大值?例如,如果我有

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

    我想要

    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,但都没有给出单个张量沿轴的最大值。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]))
    

    但看起来不太理想。有更好的方法吗?

  2. 给定张量的 argmax 的索引,我如何使用这些索引索引到另一个张量?使用上面的 x 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]
    

    我知道像最后一行一样的切片在 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(也许使用其他方法,如收集、select 等)?

    其他信息:我知道 xy 只会是二维张量!

tf.reduce_max() 运算符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 reduction_indices 的列表,这与 NumPy 中的 axis 具有相同的含义。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)"

如果您使用 tf.argmax(), you could obtain the the values from a different tensor y by flattening y using tf.reshape(), converting the argmax indices into vector indices as follows, and using tf.gather() 计算 argmax 以提取适当的值:

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)"

TensorFlow 1.10.0-dev20180626 开始,tf.reduce_max 接受 axiskeepdims 关键字参数提供与 numpy.max.

类似的功能
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数的结果张量,请使用 keepdims=True

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

如果未明确指定 axis 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