Question

我的问题分为两个部分：

如何计算张量的某个轴上的最大值？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)
print sess.run(x_max)

output: [220,4]
```
我知道有一个tf.argmax和一个tf.maximum，但都没有沿着单个张量的轴给出最大值。现在我有一个解决方法：
```
x_max = tf.slice(x, begin=[0,0], size=[-1,1])
for a in range(1,2):
    x_max = tf.maximum(x_max , tf.slice(x, begin=[0,a], size=[-1,1]))
```
但它看起来不太理想。有更好的方法吗？
鉴于张量argmax的指数，如何使用这些指数将另一个张量索引？使用上面x的示例，我该如何执行以下操作：
```
ind_max = tf.argmax(x, dimension=1)    #output is [1,0]
y = tf.constant([[1,2,3], [6,5,4])
y_ = y[:, ind_max]                     #y_ should be [2,6]
```
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：我的具体案例的最佳解决方法是什么（可能使用其他方法，如收集，选择等）？

其他信息：我知道x和y只会是二维张量！

Answer 1

tf.reduce_max()运算符正好提供此功能。默认情况下，它会计算给定张量的全局最大值，但您可以指定reduction_indices列表，其含义与NumPy中的axis相同。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，则可以使用tf.reshape()展平y，将argmax索引转换为向量，从而获得不同张量y的值索引如下，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)"

Answer 2

从 TensorFlow 1.10.0 - dev20180626 开始，tf.reduce_max接受axis和keepdims关键字参数，它们提供与numpy.max。

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)

要使结果张量具有与输入张量相同的尺寸，请使用keepdims=True

In [57]: tf.reduce_max(x, axis=1, keepdims=True).eval()Out[57]: 
array([[220],
       [  4]], dtype=int32)

如果未明确指定axis参数，则返回张量级别的最大值元素（即，所有轴均减小）。

In [58]: tf.reduce_max(x).eval()
Out[58]: 220

TensorFlow：沿轴的最大张量

2 个答案: