在 Python 中用另一个更大的张量替换一个张量的一部分

Question

在 Tensorflow 2.4.1 中的自定义损失函数中。和 Python 3.7 y_pred 张量的形状为 (batch, 21,21,3) 其中 3 是模型中的类数

y_true 是一个整数，表示模型应该分类的正确类别。 为了进行计算，创建了一个形状为 y_pred 的 zeros 张量，名称为 y_true_array

应该有比以下解决方法更简单的方法：

  y_true_array= tf.zeros_like(y_pred, dtype=tf.float32, name="loss_tru_array")
  one_class_shape = y_pred.shape[:-1] + [1]

  ones =tf.ones(one_class_shape, dtype=tf.float32, name="loss_ones")
  zeros = tf.zeros(one_class_shape, dtype=tf.float32, name="loss_ones")
  if (y_true == 0):
    y_true_array = tf.concat([ones, zeros, zeros], axis=-1)
  elif (y_true == 1):
    y_true_array = tf.concat([zeros, ones, zeros], axis=-1)
  elif (y_true == 2):
    y_true_array = tf.concat([zeros, zeros, ones], axis=-1)

例如 对于大小为 (3, 2, 3) 的 y_pred 数组。第二维中的 2 是特征尺寸。如果 y_true = 1，y_true_array 应该是

[ [[0, 1, 0],[0,1,0]] ,
[[0, 1, 0],[0, 1, 0]] ,
[[0, 1, 0],[0,1,0]] ]

Answer 1

在我看来，您只是对y_true 中的类标签进行一次性编码？

y_true_array = tf.one_hot(y_pred, depth=3)

基本上，如果你有 y_pred 数组

[0, 1, 2]

y_true_array 将是，

[
 [1, 0, 0],
 [0, 1, 0],
 [0, 0, 1],
]