我想创建一个忽略标签值为 0 的值(=> 像素)的 L2 损失函数。张量 batch[1] 包含标签，而 output 是净输出的张量，两者的形状都是 (None,300,300,1)。
labels_mask = tf.identity(batch[1])
labels_mask[labels_mask > 0] = 1
loss = tf.reduce_sum(tf.square((output-batch[1])*labels_mask))/tf.reduce_sum(labels_mask)
我当前的代码产生 TypeError: 'Tensor' object does not support item assignment(在第二行)。执行此操作的 tensorflow 方式是什么？我还尝试使用 tf.reduce_sum(labels_mask) 将损失归一化，我希望它能像这样工作。
最佳答案
这是一个如何应用 bool 索引并有条件地为变量赋值的示例:
a = tf.Variable(initial_value=[0, 0, 4, 6, 1, 2, 4, 0])
mask = tf.greater_equal(a, 2) # [False False True True False True True False]
indexes = tf.where(mask) # [[2] [3] [5] [6]], shape=(4, 1)
b = tf.scatter_update(a, mask, tf.constant(1500))
输出:
[ 0, 0, 1500, 1500, 1, 1500, 1500, 0]
关于python - 如何有条件地将值分配给张量[损失函数的掩蔽]？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/48510741/