n 维张量中的最大张量（非元素）答案

【问题标题】：Max tensor (not element) in an n-dimensional tensorn 维张量中的最大张量（非元素）
【发布时间】：2018-01-26 05:58:23
【问题描述】：

我发现在 n 维数组中获得最大张量是不可能的，即使通过对张量求和并使用gather 或gather_nd。

最大张量是指总和最高的权重集。

我有一个形状为 (-1, 4, 30, 256) 的张量，其中 256 是权重。

我需要获取每个 (-1, 0, 30)、(-1, 1, 30)、(-1, 2, 30) 和 (-1, 3, 30) 的最大权重集，所以在第二维的每个张量下。

理想情况下，这将导致 (-1, 4, 256) 张量。

reduce_max 和任何其他 max 函数只会返回最后一个维度内的最大元素值，而不是维度本身中的最大张量（即总和最高的权重集）。我试过了：

p1 = tf.reduce_sum(tensor, axis=3) # (-1, 4, 30)
p2 = tf.argmax(p1, 2) # (-1, 4)

它为第 3 维提供了适当的索引值：

[[0, 2, 2, 0],
 [0, 1, 3, 0],
 ...

但在上面运行 tf.gather 或 tf.gather_nd 不起作用，即使事先拆分我的数据并使用不同的轴。

此外，如果我手动使用gather_nd，我可以获得适当的索引，例如：

tf.gather_nd(out5, [[0,0,0], [0,1,2], [0,2,2], [0,3,0], [1,0,0], [1,1,2], [1,2,2], [1,3,1]])

但由于我们使用的是未知第一维的张量流变量，我无法构建这些索引。

我已经搜索了相关的解决方法，但没有发现任何适用的方法。

谁能告诉我如何做到这一点？谢谢！

编辑澄清：

权重的最大张量将是总和最大的权重集：

[[ 1, 2, 3], [0, 0, 2], [1, 0, 2]] would be [1, 2, 3]

【问题讨论】：

最大张量是什么意思？你是指最大单项的张量，还是最大长度的张量，还是别的什么？
具有最高总和值的权重（张量）的集合，例如权重 [[ 1, 2, 3], [0, 1, 2], [2, 0, 2]]为 [1, 2, 3]

标签： tensorflow max tensor

【解决方案1】：

我用 map_fn 弄明白了：

我将张量重塑为 (-1, 120, 256)

tfr = tf.reshape(sometensor, ((-1, 120, 256)))
def func(slice):
    f1 = tf.reduce_sum(slice, axis=1)
    f2 = tf.argmax(f1)
    return(slice[f2])
bla = tf.map_fn(func, tfr)

返回 (-1,256) 和最大的和向量（最高的权重集）。

基本上，map_fn 将沿第 2 个到最后一个轴迭代，因此它会重复切片 (120,256) 块以 func （第一个轴上有多少条目）。然后它逐块返回适当的 (1,256) 块，瞧，它给出了答案。

【讨论】：