Come ottenere il massimo tensore 2D da un tensore 3D utilizzando TensorFlow 1.14?
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_max
ma non è quello che sto cercando come è chiaro nell'immagine qui sotto:

Risposte
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 j
s che desideri, quindi puoi utilizzare tf.gather_nd
ed 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)>