Question

我想创建一个L2丢失函数，忽略标签值为0的值（=＆gt;像素）。张量output包含标签，而(None,300,300,1)是网络的张量输出，都具有labels_mask = tf.identity(batch[1]) labels_mask[labels_mask > 0] = 1 loss = tf.reduce_sum(tf.square((output-batch[1])*labels_mask))/tf.reduce_sum(labels_mask)的形状。

TypeError: 'Tensor' object does not support item assignment

我当前的代码收益为tf.reduce_sum(labels_mask)（在第二行）。什么是tensorflow方式来做到这一点？我还试图用RecyclerView来规范损失，我希望这样做。

Answer 1

如果您想以这种方式编写，则必须使用Tensorflow的scatter方法进行分配。不幸的是，tensorflow也不支持布尔索引（新的boolean_select使其成为可能，但令人讨厌）。写作难以阅读会很棘手。

你有两个不那么讨厌的选择：

使用labels_mask > 0作为布尔掩码，并使用Tensorflow最近的boolean_mask函数。也许这是更多张量流方式，因为它调用任意特定的函数。
将labels_mask > 0投射到浮动：tf.cast(labels_mask > 0, tf.float32)。然后，您可以按照您想要的方式在代码的最后一行使用它。

Answer 2

这里是一个示例，该示例如何应用布尔索引并有条件地将值分配给Variable：

a = tf.Variable(initial_value=[0, 0, 4, 6, 1, 2, 4, 0])
mask = tf.greater_equal(a, 2)  # [False False  True  True False  True  True False]
indexes = tf.where(mask)  # [[2] [3] [5] [6]], shape=(4, 1)
b = tf.scatter_update(a, mask, tf.constant(1500))

输出：

[   0,    0, 1500, 1500,    1, 1500, 1500,    0]

如何有条件地将值赋值给张量[掩盖丢失函数]？

2 个答案: