如何在张量流中找到二维张量中的前 k 个值答案

【问题标题】：How to find the top k values in a 2-D tensor in tensorflow如何在张量流中找到二维张量中的前 k 个值
【发布时间】：2018-06-11 12:31:08
【问题描述】：

有没有办法在 Tensorflow 的二维张量中找到最高的 k 值？

我可以将tf.nn.top_k 用于一维张量，但它不能用于二维张量。我有一个大小未知的二维张量，有没有办法找到最高的 k 值及其索引？

非常感谢。

【问题讨论】：

标签： tensorflow matrix tensor

【解决方案1】：

您可以在tf.nn.top_k() 之前将矩阵重塑为一维张量，然后根据一维索引计算二维索引：

x = tf.random_uniform((3, 4))
x_shape = tf.shape(x)
k = 3

top_values, top_indices = tf.nn.top_k(tf.reshape(x, (-1,)), k)
top_indices = tf.stack(((top_indices // x_shape[1]), (top_indices % x_shape[1])), -1)

with tf.Session() as sess:
    mat, val, ind = sess.run([x, top_values, top_indices])
    print(mat)
    # [[ 0.2154634   0.52707899  0.29711092  0.74310601]
    #  [ 0.61274767  0.82408106  0.27242708  0.25479805]
    #  [ 0.25863791  0.16790807  0.95585966  0.51889324]]
    print(val)
    # [ 0.95585966  0.82408106  0.74310601]
    print(ind)
    # [[2 2]
    #  [1 1]
    #  [0 3]]

【讨论】：

【解决方案2】：

您可以做到这一点的一种方法是重塑整个事物，例如 xx= np.reshape(x,(-1,))，然后像 x[:k] 之类的东西可以吗？

【讨论】：