首页 文章

在TensorFlow中为每一行使用不同的掩码获取蒙面argmax

提问于
浏览 次
0

我有一个Nx7形状的张量，看起来像这样：

[0.97863993   0.64479575 -0.202357    0.94678476  0.0080051   0.44507797 0.47864
 0.05914348  -0.72649432  0.193803    0.47295245  0.8381458   0.30449861 0.46783]

我有另一个相同形状的张量，这是一个布尔掩码：

[True  False True  True  False True  False
 False True  False False True  False False]

我想获得第一个张量中每行的argmax，但只有掩码为True的那些元素，所以基本上是以下数组的argmax：

[0.97863993  X          -0.202357    0.94678476  X           0.44507797 X
 X          -0.72649432  X           X           0.8381458   X          X]

这应该成为：

[0
 4]

这在TensorFlow中是否可行？我试图用 tf.boolean_mask 来解决它，但我没有看到如何处理掩码中具有不同数量的 True 值的不同行 .

TF中的输入代码：

mask = tf.placeholder(shape=[None, 7], dtype=tf.bool)
val = tf.placeholder(shape=[None, 7], dtype=tf.float32)

arg_max = ???

请注意，我也希望正确处理负值（否则Ishant Mrinal提出的方法会起作用） .

python tensorflow

2 回答

  • 0

    将布尔数组转换为float数组

    # mask = tf.placeholder(shape=[None, 7], dtype=tf.bool)
# mask = tf.cast(mask, dtype=tf.float32)
mask = tf.placeholder(shape=[None, 7], dtype=tf.float32)
val = tf.placeholder(shape=[None, 7], dtype=tf.float32)
argmax = tf.argmax(tf.multiply(val, mask), axis=1)
sess.run(argmax, {val: your_val_array, mask: 2*mask_bool_array.astype(float)-1 })
    回复于
  • 0

    要模拟屏蔽的argmax，可以将屏蔽之外的值设置为 -inf ，例如：

    masked_val = tf.minimum(val, (2* tf.to_float(mask) - 1) * np.inf)
masked_arg_max = tf.argmax(masked_val, axis=1)

    或者，要计算 masked_val ，您可以使用

    masked_val = tf.where(mask, val, -tf.ones_like(val) * np.inf)

    这可以说是更清楚，但可能会浪费记忆力 .

    对于蒙面argmin，你会做相反的事情：

    masked_val = tf.maximum(val, (1 - 2* tf.to_float(mask)) * np.inf)
masked_arg_min = tf.argmin(masked_val, axis=1)
    回复于

相关问题