TensorFlow:沿轴的张量的最大值
我的问题分为两个相关的部分：
- 如何计算张量某一轴上的最大值？例如，如果我有
X= tf.constant([1,220,55,4,3，-1])
我想要像这样的东西
x_max = tf.max(x，axis=1)打印sess.run(x_max)输出: 220,4
我知道有一个tf.argmax和一个tf.maximum，但都没有给出沿着单个张量的轴的最大值。现在，我有一个变通方法：
范围(1，2)内的x_max = tf.slice(x，begin=0,0，size=-1,1)：x_max = tf.maximum(x_max，tf.slice(x，begin=0，a，size=-1,1))
但它看起来并不是最优的。有没有更好的方法呢？
- 给定张量的
argmax的索引，如何使用这些索引索引到另一个张量？以上面的x为例，我该如何做如下所示：
ind_max = tf.argmax(x，dimension=1) #输出为1,0 y= tf.constant([1,2,3，6,5,4) y_ = y:，ind_max #y_应为2,6
我知道切片，就像最后一行一样，在TensorFlow (#206)中还不存在。
我的问题是:对于我的特定情况，最好的变通方法是什么(可能使用其他方法，如收集、选择等)？
补充信息:我知道x和y将只是二维张量！
回答 2
Stack Overflow用户
发布于 2016-01-25 16:30:28
tf.reduce_max()操作符提供的正是这种功能。默认情况下，它计算给定张量的全局最大值，但您可以指定一个reduction_indices列表，该列表的含义与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，则可以从不同的张量y获得值，方法是使用tf.reshape()将y展平，将argmax索引转换为向量索引，如下所示，并使用tf.gather()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)"Stack Overflow用户
发布于 2018-10-13 02:10:06
从TensorFlow 1.10.0-dev20180626开始，接受axis和keepdims关键字参数，提供与numpy.max类似的功能。
In [55]: x = tf.constant([[1,220,55],[4,3,-1]])
In [56]: tf.reduce_max(x, axis=1).eval()
Out[56]: array([220, 4], dtype=int32)要获得与输入张量维度相同的结果张量，请使用keepdims=True
In [57]: tf.reduce_max(x, axis=1, keepdims=True).eval()Out[57]:
array([[220],
[ 4]], dtype=int32)如果没有显式指定axis参数，则返回张量级别最大元素(即所有轴都被减少)。
In [58]: tf.reduce_max(x).eval()
Out[58]: 220https://stackoverflow.com/questions/34987509
复制相似问题