tf.reduce_max()
运算符正是提供了此功能。默认情况下,它计算给定张量的全局最大值,但是您可以指定一个reduction_indices
列表,其含义与NumPy中的axis
相同。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)"
如果使用tf.argmax()
计算argmax,则可以通过使用tf.reshape()
平y
,将argmax索引转换为矢量索引,然后使用tf.gather()
来从不同张量y
获取值。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)"
0
我的问题分为两个部分:
如何计算沿张量的特定轴的最大值?例如,如果我有
我想要类似的东西
我知道有一个
tf.argmax
和tf.maximum
,但都没有给出沿单个张量轴的最大值。现在,我有一个解决方法:但是它看起来并不理想。有一个更好的方法吗?
给定一个张量的
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x
的示例,我该如何执行以下操作:我知道切片,就像最后一行一样,在TensorFlow中还不存在( #206 )。
我的问题是: 对于我的特定情况(最好使用其他方法,例如,收集,选择等),最好的解决方法是什么?
附加信息:我知道
x
和y
只会是二维张量!