Wielowymiarowy argent Tensorflowa

Question

Powiedz, że mam tensor o rozmiarze BxWxHxD. Chcę przetworzyć tensor tak, że mam nowy tensor BxWxHxD, w którym zachowany jest tylko maksymalny element w każdym wycinku WxH, a wszystkie inne wartości są zerowe. Innymi słowy, uważam, że najlepszym sposobem na osiągnięcie tego jest zastosowanie argosta 2D w poprzek wycinków WxH, czego wynikiem są tensory indeksu BxD dla rzędów i kolumn, które następnie mogą zostać przekonwertowane na jeden gorący tensor BxWxHxD do wykorzystania jako maska. Jak mogę to zrobić?

Answer 1

Następną funkcję można wykorzystać jako punkt początkowy. Oblicza indeksy maksymalnego elementu dla każdej partii i dla każdego kanału. Wynikowa tablica ma format (wielkość partii, 2, liczba kanałów).

def argmax_2d(tensor): 

    # input format: BxHxWxD 
    assert rank(tensor) == 4 

    # flatten the Tensor along the height and width axes 
    flat_tensor = tf.reshape(tensor, (tf.shape(tensor)[0], -1, tf.shape(tensor)[3])) 

    # argmax of the flat tensor 
    argmax = tf.cast(tf.argmax(flat_tensor, axis=1), tf.int32) 

    # convert indexes into 2D coordinates 
    argmax_x = argmax // tf.shape(tensor)[2] 
    argmax_y = argmax % tf.shape(tensor)[2] 

    # stack and return 2D coordinates 
    return tf.stack((argmax_x, argmax_y), axis=1) 

def rank(tensor): 

    # return the rank of a Tensor 
    return len(tensor.get_shape())