Question

假设我有一个张量

[[0.3, 0.7],
[0.9,  0.1]]

如何在轴的最大位置创建一个1.0的张量，因此结果应该是轴= 1

[[0., 1.],
[1.,  0.]]

在我的情况下，第一个维度是批量大小，所以它是'？'

Answer 1

所提出的两个答案在内存/计算方面都是低效的。

你可以在线性时间（no-matmul）中计算它，而无需在一行中分配不必要的内存：

tf.cast(tf.equal(a, tf.reshape(tf.reduce_max(a, axis=1), (-1, 1))), tf.int16)

完整的例子在这里：

import tensorflow as tf
a = tf.constant([
    [1, 9, 1, 6],
    [6, 5, 0, 6],
    [4, 0, 7, 6],
    [1, 5, 9, 1]
])
b = tf.cast(tf.equal(a, tf.reshape(tf.reduce_max(a, axis=1), (-1, 1))), tf.int16)

with tf.Session() as sess:
    print sess.run(b)

哪个会给你

[[0 1 0 0]
 [1 0 0 1]
 [0 0 1 0]
 [0 0 1 0]]

如您所见，tf.equal使用broadcasting来减少内存数量。

Answer 2

您可以使用tf.arg_max()索引矩阵的最大值，然后使用tf.sparse_to_dense()派生出您想要的新矩阵。

这是一个例子。

dispose()

＆＃39; B＆＃39;是你想要的。您可以通过设置＆quot; output_shape＆＃39;，＆＃39; sparse_values＆＃39;来获得其他形式的矩阵。和＆＃39; default_value＆＃39;。

二进制矩阵，其中1位于沿行的最大值处

2 个答案: