TensorFlow：沿轴的最大张量

Question

我的问题有两个相互关联的部分：

1. 如何计算张量的某个轴​​上的最大值？ 例如，如果我有

    x = tf.constant([[1,220,55],[4,3,-1]]) 

   我想要类似的东西

    x_max = tf.max(x, axis=1) print sess.run(x_max) output: [220,4] 

   我知道有一个tf.argmax和一个tf.maximum ，但都没有给出沿单个张量轴的最大值。 现在我有一个解决方法：

    x_max = tf.slice(x, begin=[0,0], size=[-1,1]) for a in range(1,2): x_max = tf.maximum(x_max , tf.slice(x, begin=[0,a], size=[-1,1])) 

   但它看起来不太理想。 有一个更好的方法吗？

2. 给定张量的argmax的指数，如何使用这些指数索引到另一个张量？ 使用上面的x示例，我该如何执行以下操作：

    ind_max = tf.argmax(x, dimension=1) #output is [1,0] y = tf.constant([[1,2,3], [6,5,4]) y_ = y[:, ind_max] #y_ should be [2,6] 

   我知道切片，就像最后一行一样，在TensorFlow中还不存在（ ＃206 ）。

   我的问题是： 对于我的特定情况，最好的解决方法是什么（可能使用其他方法，如收集，选择等）？

   附加信息：我知道x和y只是二维张量！

Answer 1

tf.reduce_max()运算符提供了这个功能。 默认情况下，它计算给定张量的全局最大值，但您可以指定reduction_indices列表，其与NumPy中的axis具有相同的含义。 要完成您的示例：

x = tf.constant([[1, 220, 55], [4, 3, -1]])
x_max = tf.reduce_max(x, reduction_indices=[1])
print sess.run(x_max)  # ==> "array([220,   4], dtype=int32)"

如果使用tf.argmax()计算argmax，可以通过使用tf.reshape()平y ，将argmax索引转换为矢量索引，并使用tf.gather() ，从不同的张量y获得值。提取适当的值：

ind_max = tf.argmax(x, dimension=1)
y = tf.constant([[1, 2, 3], [6, 5, 4]])

flat_y = tf.reshape(y, [-1])  # Reshape to a vector.

# N.B. Handles 2-D case only.
flat_ind_max = ind_max + tf.cast(tf.range(tf.shape(y)[0]) * tf.shape(y)[1], tf.int64)

y_ = tf.gather(flat_y, flat_ind_max)

print sess.run(y_) # ==> "array([2, 6], dtype=int32)"

Answer 2

从TensorFlow 1.10.0开始 - dev20180626 ， tf.reduce_max接受axis和keepdims关键字参数，提供类似numpy.max功能。

In [55]: x = tf.constant([[1,220,55],[4,3,-1]])

In [56]: tf.reduce_max(x, axis=1).eval() 
Out[56]: array([220,   4], dtype=int32)

要使结果张量与输入张量具有相同的尺寸，请使用keepdims=True

In [57]: tf.reduce_max(x, axis=1, keepdims=True).eval()Out[57]: 
array([[220],
       [  4]], dtype=int32)

---

如果未明确指定axis参数，则返回张量级最大元素（即减少所有轴）。

In [58]: tf.reduce_max(x).eval()
Out[58]: 220