tf.segment_max错误:段ids未按1递增
tf.segment_max错误:段ids未按1递增
提问于 2016-10-18 21:38:02
tf.segment_max()和其他网段运维通常是require the segment IDs to be consecutive。将此操作应用于动态生成的批处理并使用tf.unique()定义段时，段ID可能不连续，从而产生错误。两种情况(错误/无错误)如下所示：
with tf.Session() as sess:
data = tf.constant([[1, 3, 5], [6, 2, 7], [9, 9, 2], [9, 5, 1]])
#labels = ['a','r','r','d'] # this works
labels = ['a','r','d','r'] # error: segment ids are not increasing by 1
y, idx = tf.unique(labels)
maxs = tf.segment_max(data, idx)
rval = sess.run([idx, maxs])
print('indices: ', rval[0])
print('maxs: ', rval[1])一般的段ID不连续的情况如何处理？
回答 1
Stack Overflow用户
发布于 2021-06-21 06:21:38
考虑到这个问题已经发布了很长时间，我不确定OP是否已经找到了答案。然而，我将为任何可能最终遇到同样问题的人提供解决方案。
这里的诀窍是，使用tf.math.unsorted_segment_max().It非常简单。例如，考虑以下代码-
# Data
data = tf.constant([0.4, 0.5, 0.2, 0.7, 0.1], dtype=tf.float32)
# Unique segements with Segment IDs
unique_elems, segment_ids = tf.unique(tf.constant([1, 2, 1, 1, 2], dtype=tf.int32))
# Count the number of unique segments.
nb_segments = tf.size(tf.unique(segment_ids)[0])
# Result
result = tf.math.unsorted_segment_max(
data=data, segment_ids=segment_ids, num_segments=nb_segments
)
tf.print(result)
# result turns out to be [0.7, 0.5] 在上面的代码中，我们首先使用tf.unique()方法查找具有相同值的索引。然后，我们使用tf.unsorted_segment_max()方法找到与这些索引片段对应的data张量中的最大值。
你可以阅读更多关于它的here。
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/40109854
复制相关文章
相似问题
腾讯云开发者
