如何在張量流中的切片張量上使用tf.clip_by_value（）？

Question

我使用RNN根據過去24小時的濕度和溫度值預測下一小時的濕度和溫度。 為了訓練模型，我的輸入和輸出張量的形狀為[24,2]，如下所示：

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

在這里，我想將僅濕度列（秒）的值剪切在0到100之間，因為它不能超越它。

我為此目的使用的代碼是

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

並收到以下錯誤：

'Tensor' object does not support item assignment

將tf.clip_by_value（）僅用於一列的正確方法是什么？

Answer 1

我認為最簡單（但可能不是最優）的方法是使用tf.split沿第二維分割outputs ，然后應用裁剪並連接回來（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是變量，則可以使用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

手冊頁https://www.tensorflow.org/api_docs/python/tf/clip_by_value中未記錄以下內容，但在我的測試中似乎有效：clip_by_value應支持廣播。 如果是這樣，最簡單的方法（如：不創建臨時張量）進行此剪輯的方法如下：

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

在這里，我假設您正在使用tf.int32 ，因此您不想剪切的字段的最小值和最大值。 不可否認，它不是超級好看，它看起來更好，你可以使用-numpy.inf和numpy.inf 。