Question

我正在尝试实现像完全卷积网络这样的东西，其中最后一个卷积层使用过滤器大小1x1并输出'得分'张量。分数张量具有形状[批次，高度，宽度，num_classes]。

我的问题是，张量流中的哪个函数可以对每个像素应用softmax操作，与其他像素无关。 tf.nn.softmax操作似乎不是为了这个目的。

如果没有这样的操作，我想我必须自己写一个。

谢谢！

更新：如果我必须实现自己，我想我可能需要将输入张量重塑为[N，num_claees]，其中N =批量x宽x高，并应用tf.nn.softmax，然后重新整形。它有意义吗？

Answer 1

将其重塑为2d然后重新塑造它，就像你猜测的那样，是正确的方法。

Answer 2

您可以使用此功能。

我是通过GitHub搜索找到的。

import tensorflow as tf

"""
Multi dimensional softmax,
refer to https://github.com/tensorflow/tensorflow/issues/210
compute softmax along the dimension of target
the native softmax only supports batch_size x dimension
"""
def softmax(target, axis, name=None):
    with tf.name_scope(name, 'softmax', values=[target]):
        max_axis = tf.reduce_max(target, axis, keep_dims=True)
        target_exp = tf.exp(target-max_axis)
        normalize = tf.reduce_sum(target_exp, axis, keep_dims=True)
        softmax = target_exp / normalize
        return softmax

完全卷积网络的每像素softmax

2 个答案: