Come ottenere il massimo tensore 2D da un tensore 3D utilizzando TensorFlow 1.14?

Aug 22 2020

Sto cercando il modo migliore e ottimizzato (senza loop) per ottenere un tensore massimo 2D da un tensore 3D basato sul valore massimo utilizzando TensorFlow 1.14. diciamo che abbiamo questo tensore e questa funzione (per capire-non funziona-):

def get_Max(inputs):
    max_indices = [0,0,0]
    for i in range(16):
        for j in range(2048):
            for k in range(10):
                if(inputs[max_indices[0],max_indices[1],max_indices[2]]<inputs[i,j,k]):
                   max_indices = [i,j,k]
    return inputs[:][j]
inputs = tf.random.uniform(shape=[16,2048,10],dtype=tf.dtypes.float32)
output = get_Max(inputs)

Quindi, il tensore di output deve avere una forma di [16,10], che sono i 16 massimi del 2048. Quindi, come si può implementare una funzione che può farlo senza loop?

Ho usato tf.math.reduce_maxma non è quello che sto cercando come è chiaro nell'immagine qui sotto:

Risposte

1 MohammadJafarMashhadi Aug 22 2020 at 07:41
inp = tf.random.uniform(shape=[4, 6, 2], maxval=20, dtype=tf.int32)
print(inp)

array([[[14,  8],
    [18, 10],
    [ 6, 14],
    [ 8,  9],
    [11, 11],
    [14, 13]],

   [[ 7, 18],
    [ 4, 10],
    [15,  6],
    [ 6,  2],
    [19, 11],
    [10,  4]],

   [[ 8,  1],
    [ 1,  3],
    [ 4, 17],
    [15,  7],
    [ 0,  0],
    [ 1,  4]],

   [[ 5,  0],
    [15, 12],
    [ 1, 16],
    [ 3, 17],
    [14, 17],
    [ 2, 18]]], dtype=int32)>

Quindi, se ho capito bene, per ogni inp[i, :, :]like:

    [[14,  8],
    [18, 10],
    [ 6, 14],
    [ 8,  9],
    [11, 11],
    [14, 13]]

vuoi mantenere l'elemento che contiene il numero massimo, in questo caso la seconda riga: [18, 10]. Quello che farei è trovare prima il numero massimo lungo l'ultimo asse:

am = tf.math.reduce_max(inp, axis=2)
am[0, :, :]
[14,
 18,
 14,
 9,
 11,
 14]

e quindi trova l'indice della riga che contiene il numero massimo:

am = tf.math.argmax(am, axis=1)

Questi saranno gli js che desideri, quindi puoi utilizzare tf.gather_nded enumerare per ottenere quei valori:

# [*enumerate(am)] = [(0, am[0]), (1, am[1]), ...]
tf.gather_nd(inp, [*enumerate(am)])

<tf.Tensor: shape=(4, 2), dtype=int32, numpy=
array([[18, 10],
       [19, 11],
       [ 4, 17],
       [ 2, 18]], dtype=int32)>