我有一个Nx7形状的张量,看起来像这样:
[0.97863993 0.64479575 -0.202357 0.94678476 0.0080051 0.44507797 0.47864
0.05914348 -0.72649432 0.193803 0.47295245 0.8381458 0.30449861 0.46783]
我有另一个相同形状的张量,这是一个布尔掩码:
[True False True True False True False
False True False False True False False]
我想获得第一个张量中每行的argmax,但只有掩码为True的那些元素,所以基本上是以下数组的argmax:
[0.97863993 X -0.202357 0.94678476 X 0.44507797 X
X -0.72649432 X X 0.8381458 X X]
因此应该成为:
[0
4]
这在TensorFlow中是否可行?我想用tf.boolean_mask
来解决这个问题,但我不知道如何处理掩码中具有不同数量True
值的不同行。
在TF中输入代码:
mask = tf.placeholder(shape=[None, 7], dtype=tf.bool)
val = tf.placeholder(shape=[None, 7], dtype=tf.float32)
arg_max = ???
请注意,我也希望正确处理负值(否则Ishant Mrinal提出的方法会起作用)。
答案 0 :(得分:0)
将布尔数组转换为浮点数组
# mask = tf.placeholder(shape=[None, 7], dtype=tf.bool)
# mask = tf.cast(mask, dtype=tf.float32)
mask = tf.placeholder(shape=[None, 7], dtype=tf.float32)
val = tf.placeholder(shape=[None, 7], dtype=tf.float32)
argmax = tf.argmax(tf.multiply(val, mask), axis=1)
sess.run(argmax, {val: your_val_array, mask: 2*mask_bool_array.astype(float)-1 })
答案 1 :(得分:0)
要模拟蒙版的argmax,您可以将蒙版之外的值设置为-inf
,例如:
masked_val = tf.minimum(val, (2* tf.to_float(mask) - 1) * np.inf)
masked_arg_max = tf.argmax(masked_val, axis=1)
或者,要计算masked_val
,您可以使用
masked_val = tf.where(mask, val, -tf.ones_like(val) * np.inf)
这可能更清楚,但可能会浪费记忆。
对于蒙面的argmin,你会做相反的事情:
masked_val = tf.maximum(val, (1 - 2* tf.to_float(mask)) * np.inf)
masked_arg_min = tf.argmin(masked_val, axis=1)