为TensorFlow中的每一行获取具有不同掩码的掩码argmax
为TensorFlow中的每一行获取具有不同掩码的掩码argmax
提问于 2017-08-06 00:08:42
我有一个形状为Nx7的张量，它看起来像这样：
[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，它是一个布尔掩码：
[True False True True False True False
False True False False True False False]我想要得到第一个张量中每一行的argmax，但只得到掩码为True的那些元素的argmax，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]因此，它应该成为：
[0
4]这在TensorFlow中是可能的吗？我正在尝试使用tf.boolean_mask解决这个问题，但我不知道如何处理掩码中具有不同数量的True值的不同行。
TF格式的输入代码：
mask = tf.placeholder(shape=[None, 7], dtype=tf.bool)
val = tf.placeholder(shape=[None, 7], dtype=tf.float32)
arg_max = ???请注意，我还希望正确处理负值(否则，Ishant Mrinal提出的方法将有效)。
回答 2
Stack Overflow用户
发布于 2017-08-06 00:25:57
将布尔数组转换为浮点数组
# 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 })Stack Overflow用户
发布于 2017-08-06 00:38:57
要模拟带掩码的argmax，可以将掩码外的值设置为-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)这可以说是更清晰，但可能会浪费内存。
对于一个带面具的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)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/45523919
复制相关文章
相似问题