Question

这是我的问题。我有一个张量X，我想将所有负值设置为零。在numpy中，我会做以下np.maximum(0, X)。有没有办法在张量流中达到相同的效果？我尝试了tf.maximum(tf.fill(X.get_shape(), 0.0), X)，但这会抛出ValueError: Cannot convert a partially known TensorShape to a Tensor: (?,)。

PS。 X是形状的1-D张量（？，）。

Answer 1

实际上，您的问题与计算rectifier activation function完全相同，而TensorFlow有一个内置运算符tf.nn.relu()，可以完全满足您的需求：

X_with_negatives_set_to_zero = tf.nn.relu(X)

Answer 2

您可以使用tf.clip_by_value函数，如下所示：

t = tf.clip_by_value(t, min_val, max_val)

它将在[min_val，max_val]范围内剪切张量t。在这里，您可以将min_val设置为0以剪切所有负值，并将其设置为0.有关clip_by_value的更多文档。

Answer 3

一个简单的解决方案是使用强制转换功能keras documentation（如@ldavid所建议）

X = tf.cast(X > 0, X.dtype) * X

此外，可以使用以下方法将其调整为任何阈值级别：

X = tf.cast(X > threshold, X.dtype) * X

Answer 4

一种可能的解决方案可能就是这样（虽然它不是最好的）：

class TensorClass(object):
    def __init__(tensor_values):
        self.test_tensor = tf.Variable(tensor_values, name="test_tensor")

test_session = tf.Session()
with test_session.as_default():
    tc = TensorClass([1, -1, 2, -2, 3])
    test_session.run(tf.initialize_all_variables())
    test_tensor_value = test_session.run(tc.test_tensor)
    print(test_tensor_value) # Will print [1, -1, 2, -2, 3]
    new_test_tensor_value = [element * int(element > 0) for element in test_tensor_value]
    test_tensor_value_assign_op = tf.assign(tc.test_tensor, new_test_tensor_value)
    test_session.run(test_tensor_value_assign_op)
    test_tensor_value = test_session.run(tc.test_tensor)
    print(test_tensor_value) # Will print [1 0 2 0 3]

虽然这可以满足你的需要，但它并没有在tensorflow中完成。我们正在拉出一个tensorflow变量，改变它，然后再把它放回去。

对于性能关键的事情，不要使用它，因为它效率不高。

将张量的所有负值设置为零（在tensorflow中）

4 个答案: