Question

我正在尝试使用tf.boolean_mask从张量中选择某些值。

myArray = tf.random_normal([6], mean=1, stddev=4, seed = 1)
with tf.Session() as test_a:
    myMask =  tf.greater_equal(myArray, 0.5)
    myScores = tf.boolean_mask( myArray, myMask )
    print("myArray = ", myArray.eval())
    print("myMask = ", myMask.eval())
    print("myScores = ", myScores.eval())

我得到以下内容。

myArray =  [-2.24527287  6.93839502  1.26131749 -8.77081585  1.39699364  3.36489725]
myMask =  [False  True  True  True False False]
myScores =  [ 2.71667314  1.12839425  1.47780943  1.50100374]

我原本希望得到

myArray =  [-2.24527287  6.93839502  1.26131749 -8.77081585  1.39699364  3.36489725]
myMask =  [False  True  True  False True True]
myScores =  [ 6.93839502  1.26131749  1.39699364  3.36489725]

我该怎么做？

Answer 1

好问题！这让我难以理解，答案最终是微不足道的，但却是tensorflow如何运作的重要教训。

首先是一些工作代码：

<div id="container">
    <p>Container content</p>
    <div id="bottom">
        This flex content will stay at the bottom!
    </div>
</div>

结果：

import tensorflow as tf

myArray = tf.random_normal([6], mean=1, stddev=4, seed = 1)
myMask =  tf.greater_equal(myArray, 0.5)
myScores = tf.boolean_mask( myArray, myMask )

with tf.Session() as sess:
    print(sess.run([myArray, myMask, myScores]))

请注意，myArray是一个OP，不是一个变量。 OP（操作的简称）是在您调用[array([-2.2452729, 6.938395 , 1.2613175, -8.770817 , 1.3969936, 3.3648973], dtype=float32), array([False, True, True, False, True, True]), array([6.938395 , 1.2613175, 1.3969936, 3.3648973], dtype=float32)]时计算的（或者在这种情况下为sess.run，但使用eval使其不那么明显。）

eval等变量从myVar = tf.variable(...)到另一个变量持续存在。由于myArray是一个OP，因此每次对tensorflow图执行任何操作时都会重新计算。由于您在3个单独的实例上调用了图形，因此每次调用时myArray都有3个不同的值。您只在第一个实例中打印myArray，并错误地认为它保持静止。

注意我发布的修改后的代码我现在在一个sess.run调用中请求所有3个变量，因此它们都使用相同的myArray值，并且所有结果都符合预期。

使用带有greater_equal的tf.boolean_mask来切割张量

1 个答案: