如何在2D张量的第二维上使用Tensorflows scatter_nd？

Question

TL; DR：如何将每个实例2个标签的2D二进制张量拆分为每个实例仅1个标签的2个张量，如下图所示：

作为自定义损失函数的一部分，我试图将每个实例2个标签的多标签y张量拆分为每个实例1个标签的2个y张量。 当我在1D y张量上执行此代码时，此代码非常有用：

y_true = tf.constant([1., 0., 0., 0., 1., 0., 0., 0., 0.])
label_cls = tf.where(tf.equal(y_true, 1.))
idx1, idx2 = tf.split(label_cls,2)
raplace = tf.constant([1.])
y_true_1 = tf.scatter_nd(tf.cast(idx1, dtype=tf.int32), raplace, [tf.size(y_true)]) 
y_true_2 = tf.scatter_nd(tf.cast(idx2, dtype=tf.int32), raplace, [tf.size(y_true)])  

with tf.Session() as sess:
    print(sess.run([y_true_1,y_true_2]))

我得到：

[array([1., 0., 0., 0., 0., 0., 0., 0., 0.], dtype=float32), array([0., 0., 0., 0., 1., 0., 0., 0., 0.], dtype=float32)]

但是当我在训练中使用批处理时，会出现此错误：

Invalid argument: Outer dimensions of indices and update must match.

由于我的“ y张量”是2D而不是1D，因此在这种情况下idx1, idx2（索引）不正确，replace的形状（更新）也不正确。 据我了解，tf.scatter_nd只能更新变量的第一个维度，那么如何解决呢？以及如何获取所需的索引？

Answer 1

我觉得你走的是曲折的道路。这是我的解决方案。感觉比尝试的方法更简单（尝试tf 1.14）。

import tensorflow as tf

y_true = tf.constant([[1, 0, 1, 0],[0, 1, 1, 0]])
_, label_inds = tf.math.top_k(y_true, k=2)
idx1, idx2 = tf.split(label_inds,2, axis=1)

y_true_1 = tf.one_hot(idx1, depth=4)
y_true_2 = tf.one_hot(idx2, depth=4)

with tf.Session() as sess:

    print(sess.run([y_true_1, y_true_2]))

因此，您的想法是获取每行的前2个标签的索引。然后使用tf.split将其分为2列。然后使用one_hot将这些索引转换回onehot向量。