tensorflow recueillir des éléments spécifiques dans tenseur 4d

Question

J'ai un 4D-tenseur Params de dimensions [B, Y, X, N], et que vous souhaitez sélectionner une tranche spécifique n ∈ N de lui, de sorte que mon tenseur résultant est de taille [B, Y, X, 1] (ou [B, Y, X]).

La tranche spécifique doit être celle qui contient le nombre le plus élevé en moyenne; Je les indices obtenir comme ceci:
indices = tf.argmax(tf.reduce_sum(Params, [1,2]), 1) (forme [B])

J'ai essayé différentes solutions en utilisant gather ou gather_nd, mais n'a pas pu le faire fonctionner. Il y a plusieurs messages très similaires à cela, mais je n'ai pas pu appliquer l'une des solutions présentées ici.

Je cours Tensorflow 1.3 donc le nouveau paramètre d'axe fantaisie pour gather est disponible.

Answer 1

Dans l'exemple de code ci-dessous, l'entrée a la forme [2,3,4,5] et la forme résultante est [2,3,4].

Les idées principales sont:

• Il est facile d'obtenir une ligne au lieu d'une colonne à l'aide gather_nd, donc je suis passé les deux dernières dimensions avec tf.transpose.
• Nous devons convertir les indices que nous obtenons de tf.argmax (indices ci-dessous) en quelque chose de vraiment utilisable (voir final_idx ci-dessous) en tf.gather_nd. La conversion se fait par empilement de trois composants:
  • [0 0 0 1 1 1]
  • [0 1 2 0 1 2]
  • [3 3 3 0 0 0]

On pourrait donc aller de [3, 0] à

[[[0 0 3] 
    [0 1 3] 
    [0 2 3]] 
    [[1 0 0] 
    [1 1 0] 
    [1 2 0]]]. 

Batch,Y,X = 2, 3, 4 
tf.reset_default_graph() 

data = np.arange(Batch*Y*X*5) 
np.random.shuffle(data) 

Params = tf.constant(np.reshape(data, [Batch, Y, X, 5]), dtype=tf.int32) 
indices = tf.argmax(tf.reduce_sum(Params, [1,2]), 1) 
indices = tf.cast(tf.reshape(tf.tile(tf.reshape(indices, [-1,1]), 
            [1,Y]), [-1]), tf.int32) 

idx = tf.reshape(tf.range(batch_size), [-1,1]) 
idx = tf.reshape(tf.tile(idx, [1, y]), [-1]) 

inc = tf.reshape(tf.tile(tf.range(Y), [Batch]), [-1]) 
final_idx = tf.reshape(tf.stack([idx, inc, indices], 1), [Batch, Y, -1]) 
transposed = tf.transpose(Params, [0, 1, 3, 2]) 
slice = tf.gather_nd(transposed, final_idx) 

with tf.Session() as sess: 
    print sess.run(Params) 
    print sess.run(idx)  
    print sess.run(inc) 
    print sess.run(indices) 
    print sess.run(final_idx) 
    print sess.run(slice) 

[[[[ 22 38 68 49 119] 
    [ 47 74 111 117 90] 
    [ 14 32 31 12 75] 
    [ 93 34 57 3 56]] 

    [[ 69 21 4 94 39] 
    [ 83 96 62 102 80] 
    [ 55 113 48 98 29] 
    [107 81 67 76 28]] 

    [[ 53 51 77 66 63] 
    [ 92 115 118 116 13] 
    [ 43 78 15 1 0] 
    [ 99 50 27 60 73]]] 


[[[ 97 88 91 64 86] 
    [ 72 110 26 87 33] 
    [ 70 30 41 114 5] 
    [ 95 82 46 16 61]] 

    [[109 71 45 8 40] 
    [101 9 23 59 10] 
    [ 37 65 44 11 19] 
    [ 42 104 106 105 18]] 

    [[112 58 7 17 89] 
    [ 25 79 103 85 20] 
    [ 35 6 108 100 36] 
    [ 24 52 2 54 84]]]] 

[0 0 0 1 1 1] 
[0 1 2 0 1 2] 
[3 3 3 0 0 0] 

[[[0 0 3] 
    [0 1 3] 
    [0 2 3]] 

[[1 0 0] 
    [1 1 0] 
    [1 2 0]]] 

[[[ 49 117 12 3] 
    [ 94 102 98 76] 
    [ 66 116 1 60]] 

[[ 97 72 70 95] 
    [109 101 37 42] 
    [112 25 35 24]]]