如何在张量流中的切片张量上使用tf.clip_by_value（）？

Question

我使用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，我想将仅湿度列（秒）的值剪切在0到100之间，因为它不能超越它。

我为此目的使用的代码是

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

并收到以下错误：

'Tensor' object does not support item assignment

将tf.clip_by_value（）仅用于一列的正确方法是什么？

Answer 1

我认为最简单（但可能不是最优）的方法是使用tf.split沿第二维分割outputs ，然后应用裁剪并连接回来（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)

Answer 2

如果outputs是变量，则可以使用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]]

Answer 3

手册页https://www.tensorflow.org/api_docs/python/tf/clip_by_value中未记录以下内容，但在我的测试中似乎有效：clip_by_value应支持广播。 如果是这样，最简单的方法（如：不创建临时张量）进行此剪辑的方法如下：

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

在这里，我假设您正在使用tf.int32 ，因此您不想剪切的字段的最小值和最大值。 不可否认，它不是超级好看，它看起来更好，你可以使用-numpy.inf和numpy.inf 。