我想为形状为tf.nn.softmax()
的张量的选定二维实现(batch_size=?, height, width, channel)
。
但是tf.nn.softmax()
似乎不可能同时接收2个轴。使用tf.softmax(tensor, axis=[1, 2])
将增加张量流中的轴误差。
如何才能在矢量化模式下实现优雅? :x
答案 0 :(得分:0)
您可以
from_request
这将返回与初始数组相同形状的张量
答案 1 :(得分:0)
我不会一次通过两个尺寸,而是先相应地调整输入的形状,例如:
array = tf.constant([[1., 2.], [3., 4.]])
tf.nn.softmax(array, axis=0) # Calculate for axis 0
tf.nn.softmax(array, axis=1) # Calculate for axis 1
tf.nn.softmax(tf.reshape(array, [-1])) # Calculate for both axes
答案 2 :(得分:0)
可以使用keras激活功能来完成
:# logits has shape [BS, H, W, CH]
prob = tf.keras.activations.softmax(logits, axis=[1, 2])
# prob has shape [BS, H, W, CH]
check = tf.reduce_sum(prob, axis=[1, 2])
# check is tensor of ones with shape [BS, CH]