时间戳

首页 > 解决方案 > 仅将 tf.nn.softmax() 应用于张量的正元素

python - 仅将 tf.nn.softmax() 应用于张量的正元素

问题描述

我尝试了很长时间来解决这个问题，但在互联网上没有找到任何有用的东西，所以我不得不问：

假设给定一个张量T，T = tf.random_normal([100])我只想应用于softmax()张量的正元素。类似的东西T = tf.nn.softmax(T[T>0])当然在 Tensorflow 中不起作用。

简而言之：我想计算 softmax 并仅应用于 elements T > 0。

我如何在 Tensorflow 中做到这一点？

标签： pythontensorflowconditional-statementstensor

解决方案

如果您希望 softmax 计算 + 仅应用于元素 T > 0：

一个想法可能是根据您的条件 ( T > 0) 创建 2 个分区，将操作 ( softmax) 应用于目标分区，然后将它们缝合在一起。

像这样，使用tf.dynamic_partitionand tf.dynamic_stitch：

import tensorflow as tf

T = tf.random_normal(shape=(2, 3, 4))

# Creating partition based on condition:
condition_mask = tf.cast(tf.greater(T, 0.), tf.int32)
partitioned_T = tf.dynamic_partition(T, condition_mask, 2)
# Applying the operation to the target partition:
partitioned_T[1] = tf.nn.softmax(partitioned_T[1])

# Stitching back together, flattening T and its indices to make things easier::
condition_indices = tf.dynamic_partition(tf.range(tf.size(T)), tf.reshape(condition_mask, [-1]), 2)
res_T = tf.dynamic_stitch(condition_indices, partitioned_T)
res_T = tf.reshape(res_T, tf.shape(T))

with tf.Session() as sess:
    t, res = sess.run([T, res_T])
    print(t)
    # [[[-1.92647386  0.7442674   1.86053932 -0.95315439]
    #  [-0.38296485  1.19349718 -1.27562618 -0.73016083]
    #  [-0.36333972 -0.90614134 -0.15798278 -0.38928652]]
    # 
    # [[-0.42384467  0.69428021  1.94177043 -0.13672788]
    #  [-0.53473723  0.94478583 -0.52320045  0.36250541]
    #  [ 0.59011376 -0.77091616 -0.12464728  1.49722672]]]
    print(res)
    # [[[-1.92647386  0.06771058  0.20675084 -0.95315439]
    #  [-0.38296485  0.10610957 -1.27562618 -0.73016083]
    #  [-0.36333972 -0.90614134 -0.15798278 -0.38928652]]
    # 
    # [[-0.42384467  0.06440912  0.22424641 -0.13672788]
    #  [-0.53473723  0.08274478 -0.52320045  0.04622314]
    #  [ 0.05803747 -0.77091616 -0.12464728  0.14376813]]]

上一个答案

仅当您希望对 的所有元素计算 softmaxT但仅应用于大于的元素时，此答案才有效0。

使用tf.where()：

T = tf.where(tf.greater(T, 0.), tf.nn.softmax(T), T)

推荐阅读