Tensorflow多维argmax

Question

假设我有一个大小为 BxWxHxD 的张量。我想处理张量，这样我就有一个新的 BxWxHxD 张量，其中仅保留每个 WxH 切片中的最大元素，所有其他值均为零。

换句话说，我认为实现这一目标的最佳方法是以某种方式在 WxH 切片上采用 2D argmax，从而产生行和列的 BxD 索引张量，然后将其转换为单热 BxWxHxD 张量用作面膜。我怎样才能做到这一点？

Answer 1

您可以使用以下函数作为起点。它计算每个批处理和每个 channel 的最大元素的索引。生成的数组的格式为(批量大小、2、 channel 数)。

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())