我是tensorflow的新手，所以这可能是一个简单的问题，但它真的让我感到困惑
我想通过keras实现这个paper，背景是tensorflow
在训练的第一阶段，他使用<link href="https://cdnjs.cloudflare.com/ajax/libs/font-awesome/4.6.3/css/font-awesome.css" rel="stylesheet" />
<a href="" id="upload" class="button">
<i class="fa fa-cloud-upload fa-lg fa-align-center" aria-hidden="true"></i>
</a>
<a href="" id="view" class="button">
<i class="fa fa-eye fa-lg fa-align-center" aria-hidden="true"></i>
</a>
如果我们从最后一个fc得到这个输出
vertical是批量大小，这是NoneType
softmax_pair我们做指数，所以我们有
x11 x12 x13 x14...
x21 x22 x23 x24...
x31 x32 x33 x34...
...
然后，我被困在这里
e11 e12 e13 e14...
e21 e22 e23 e24...
e31 e32 e33 e34...
...
我不知道怎么做成对添加
e11/(e11+e12) e12/(e11+e12) e13/(e13+e14) e14/(e13+e14)...
e21/(e21+e22) e22/(e21+e22) e23/(e23+e24) e24/(e23+e24)...
e31/(e31+e32) e32/(e31+e32) e33/(e33+e34) e34/(e33+e34)...
...
和tf.transpose可能会很棒
但经过研究，我发现转置很昂贵
更进一步，在tf.segment_sum之后我只有一半的张量，
我不知道如何加倍它
哦，我正在考虑如何生成segment_ids
那我该如何计算呢？ 谢谢！！
----------更新
我在论文中谈到的部分是图3
fc输出为P2c-1和P2c，这是c类出现或不出现在图像中的平均可能性
c = 1,2,3 ......类的数量
转置不贵吗？有时我会看到这个，例如。 the comment，也许我误解了这个？
答案 0 :(得分：0)
假设X是你的张量大小R x C：
_, C = X.get_shape()
X_split = tf.split(1, C/2, X)
Y_split = [tf.nn.softmax(slice) for slice in X_split]
Y = tf.concat(1, Y_split)
C将是列数，X_split将是一个子列表列表，每个子列有两列，Y_split将计算每个张量的常规softmax，{{ 1}}将加入softmaxes的结果。