Учитывая тензор формы, скажем (2,3,3,1), где размер партии равен 2, а каждая матрица имеет форму (3,3,1). Как вы можете найти k самых больших элементов из каждой матрицы и создать горячую матрицу так, чтобы записи в этих k местоположениях были 1 и 0 в другом месте. Пример: (Обратите внимание, что каждая запись будет числом с плавающей запятой, для простоты используются целые числа)
input_tensor=[[[1, 5, 7],
[2, 8, 1],
[3, 9, 1],
],
[[0, 9, 5],
[6, 0, 4],
[3, 0, 8]
]
]
Горячий тензор для k = 3:
output_tensor=[[[0, 0, 1],
[0, 1, 0],
[0, 1, 0],
],
[[0, 1, 0],
[1, 0, 0],
[0, 0, 1]
]
]
tf.nn.top_k вернет k самых больших элементов только из последнего измерения. Как получить k самых больших элементов из трехмерного тензора, например: (3,3,1). Также tf.one_hot поместит по одному в каждой строке для указанной глубины и заданных индексов, что здесь не так.
Если вы хотите найти k
самых больших элементов из каждой матрицы, вы можете использовать следующий метод.
import tensorflow as tf
input_tensor = tf.constant([[[1, 5, 7],[2, 8, 1],[3, 9, 1]],
[[0, 9, 5],[6, 0, 4],[3, 0, 8]]],dtype=tf.int32)
k_tf = tf.placeholder(shape=(),dtype=tf.int32)
temp = tf.reshape(input_tensor,shape=(input_tensor.shape[0],-1))
# [[1 5 7 2 8 1 3 9 1]
# [0 9 5 6 0 4 3 0 8]]
result = tf.reduce_sum(tf.one_hot(indices=tf.nn.top_k(temp,k=k_tf)[1], depth=temp.shape[1]), axis=1)
# [[0. 0. 1. 0. 1. 0. 0. 1. 0.]
# [0. 1. 0. 1. 0. 0. 0. 0. 1.]]
result = tf.reshape(result,input_tensor.shape)
with tf.Session() as sess:
print('k=2:')
print(sess.run(result, feed_dict={k_tf: 2}))
print('k=3:')
print(sess.run(result,feed_dict={k_tf:3}))
k=2:
[[[0. 0. 0.]
[0. 1. 0.]
[0. 1. 0.]]
[[0. 1. 0.]
[0. 0. 0.]
[0. 0. 1.]]]
k=3:
[[[0. 0. 1.]
[0. 1. 0.]
[0. 1. 0.]]
[[0. 1. 0.]
[1. 0. 0.]
[0. 0. 1.]]]
import numpy as np
import tensorflow as tf
inputs=np.array([[[1, 5, 7],
[2, 8, 1],
[3, 9, 1],
],
[[0, 9, 5],
[6, 0, 4],
[3, 0, 8]
]
])
j = tf.placeholder(tf.int32)
input_tensor = tf.placeholder(tf.float64, shape=(2,3,3))
_, inds = tf.nn.top_k(input_tensor, 3)
r = tf.reshape(inds[:,:,3-j], [-1])
encoded_tensor = tf.reshape(tf.one_hot(r, 3),tf.shape(input_tensor))
with tf.Session() as sess:
for k in [1,2,3]:
print ("K:",k)
print (sess.run(encoded_tensor , feed_dict={j: k, input_tensor: inputs}))
Выход:
K: 1
[[[1. 0. 0.]
[0. 0. 1.]
[0. 0. 1.]]
[[1. 0. 0.]
[0. 1. 0.]
[0. 1. 0.]]]
K: 2
[[[0. 1. 0.]
[1. 0. 0.]
[1. 0. 0.]]
[[0. 0. 1.]
[0. 0. 1.]
[1. 0. 0.]]]
K: 3
[[[0. 0. 1.]
[0. 1. 0.]
[0. 1. 0.]]
[[0. 1. 0.]
[1. 0. 0.]
[0. 0. 1.]]]
top_k
чтобы получить все индексы в порядкеk
k
элементов из элементов 2-мерной матрицы (3x3)
Рассматривая ваш пример, который имеет форму 2,3,3
output = tf.one_hot(tf.math.argmax(inp, 2), 3)
Итак, сначала мы берем индекс наибольшей записи в желаемой оси, 2 в этом случае. Затем примените одно горячее кодирование с желаемой глубиной, 3
input_tensor
вы показали в примере, (2X3X3), вы можете исправить свой пример или описание своей проблемы, что когда-либо будет правильным.