如何在张量流中的切片张量上使用 tf.clip_by_value()？答案

【问题标题】：How to use tf.clip_by_value() on sliced tensor in tensorflow?如何在张量流中的切片张量上使用 tf.clip_by_value()？
【发布时间】：2018-10-23 21:44:28
【问题描述】：

我正在使用 RNN 根据过去 24 小时的湿度和温度值预测下一小时的湿度和温度。为了训练模型，我的输入和输出张量的形状为 [24, 2]，如下所示：

[[23, 78],
 [24, 79],
 [25, 78],
 [23, 81],
  .......
 [27, 82],
 [21, 87],
 [28, 88],
 [23, 90]]

在这里，我只想将 Humidity 列（第二个）的值剪裁在 0 到 100 之间，因为它不能超出这个范围。

我为此目的使用的代码是

.....
outputs[:,1] = tf.clip_by_value(outputs[:,1], 0, 100)
.....

并得到以下错误：

'Tensor' object does not support item assignment

仅将 tf.clip_by_value() 用于一列的正确方法应该是什么？

【问题讨论】：

标签： python tensorflow deep-learning

【解决方案1】：

我认为最直接（但可能不是最佳）的方法是使用 tf.split 沿第二个维度拆分 outputs，然后应用剪辑并连接回来（如果需要）。

temperature, humidity = tf.split(output, 2, axis=1)
humidity = tf.clip_by_value(humidity, 0, 100)

# optional concat
clipped_output = tf.concat([temperature, humidity], axis=1)

【讨论】：

【解决方案2】：

如果你的outputs是一个变量，你可以使用tf.assign：

tf.assign(outputs[:,1], tf.clip_by_value(outputs[:,1], 0, 100))

import tensorflow as tf
a = tf.Variable([[23, 78],
 [24, 79],
 [25, 78],
 [23, 81],
 [27, 82],
 [21, 87],
 [28, 88],
 [23, 90]])

with tf.Session() as sess:
    tf.global_variables_initializer().run()
    clipped_value = tf.clip_by_value(a[:,1], 80, 85)
    sess.run(tf.assign(a[:,1], clipped_value))
    print(sess.run(a))

#[[23 80]
# [24 80]
# [25 80]
# [23 81]
# [27 82]
# [21 85]
# [28 85]
# [23 85]]

【讨论】：

【解决方案3】：

手册页https://www.tensorflow.org/api_docs/python/tf/clip_by_value 上没有记录以下内容，但在我的测试中它似乎有效：clip_by_value 应该支持广播。如果是这样，执行此裁剪的最简单（如：不创建临时张量）方法如下：

outputs = tf.clip_by_value(outputs, [[-2147483647, 0]], [[2147483647, 100]])

在这里，我假设您使用的是tf.int32 dtype，因此您不想剪辑的字段的最小值和最大值。诚然，它不是超级好，它看起来更适合你可以使用 -numpy.inf 和 numpy.inf 的浮动。

【讨论】：