Question

我正在尝试在Tensorflow中构建一个DAG，我需要采用目标各个区域的模式（最常见的值）。这是为了构建一个下采样目标。

现在，我正在为我可能遇到的每种情况预先处理下采样目标，保存它们，然后加载它们。显然，如果它被集成到我的Tensorflow图中会更容易，所以我可以在运行时下采样。</ p>

但我到处寻找，我找不到tf.reduce_mode的证据，其作用与tf.reduce_mean相同。 有没有办法在Tensorflow图中构建此功能？

Answer 1

我的想法是，我们得到唯一的数字及其数量。然后我们找到最常出现的数字。最后，我们通过在数量计数张量中使用它们的索引来获取这些数字（可能不止一个）。

samples = tf.constant([10, 32, 10, 5, 7, 9, 9, 9])
unique, _, count = tf.unique_with_counts(samples)
max_occurrences = tf.reduce_max(count)
max_cond = tf.equal(count, max_occurrences)
max_numbers = tf.squeeze(tf.gather(unique, tf.where(max_cond)))

with tf.Session() as sess:
  print 'Most frequent Numbers\n', sess.run(max_numbers)
> Most frequent Numbers
  9

是否可以采用Tensorflow中的张量模式？

1 个答案: