用 keras 计算张量中非零值的对数答案

【问题标题】：Compute logarithm of nonzero values in a tensor with keras用 keras 计算张量中非零值的对数
【发布时间】：2020-02-23 03:12:59
【问题描述】：

我正在尝试实现自定义损失函数，它需要对模型的输出张量中的值取对数。张量也可能包含零，所以我只想取非零值并计算对数。

输出张量的形状为 (20,224,224)。我可以使用以下函数获取沿轴 0 的非零元素的数量。

#To get the number of nonzero elements along the axis 0                
count = K.tf.count_nonzero(y,axis=0)

但我不明白如何计算非零对数。我可以想出如下 numpy 解决方案，但不确定它是否与 keras 等效。

loss = np.log2(y, out=np.zeros_like(y), where=(y!=0))

有人可以帮我计算张量沿轴 0 的非零的对数吗？

【问题讨论】：

标签： python python-3.x tensorflow keras deep-learning

【解决方案1】：

一种可能的方法可能会利用：

tf.where(
    condition,
    x=None,
    y=None,
    name=None
)

列出的相关函数：https://www.tensorflow.org/api_docs/python/tf 类似于您正在探索的 numpy 版本。

例如，您可能会考虑使用上述 tf.where() 函数来测试零条目，然后根据结果从原始张量 (x) 或类似形状的“一”张量中进行选择。然后，您可以计算结果张量的 log 并对结果进行最终求和等。

下面是一个使用 Colab 和 Eager 执行的示例，更明确地展示了这个想法。

%tensorflow_version 2.x

# Above only works in Google Colab.
# Also, note eager execution is default True for Tensorflow 2.0

import tensorflow as tf

y_true = tf.Variable([[2.0],[0.0],[0.0],[3.0],[4.0]])
y_pred = tf.Variable([[2.0],[-1.0],[1.0],[3.0],[4.0]])

def my_loss_function(y_true, y_pred):

    print('y_true:')
    print(y_true)
    print('y_pred:')
    print(y_pred)

    y_zeros = tf.zeros_like(y_pred)
    print('y_zeros:')
    print(y_zeros)

    y_mask = tf.math.greater(y_pred, y_zeros)
    print('y_mask:')
    print(y_mask)

    res = tf.boolean_mask(y_pred, y_mask)
    print('res:')
    print(res)

    logres = tf.math.log(res)
    print('logres:')
    print(logres)

    finres = tf.math.reduce_sum(logres)
    print('finres:')
    print(finres)

    return finres

myres = my_loss_function(y_true, y_pred)
print(myres)

我希望这会有所帮助。

【讨论】：