Keras 后端开关结合 tf.where 无法按预期工作答案

【问题标题】：Keras backend switch combined with tf.where not working as intendedKeras 后端开关结合 tf.where 无法按预期工作
【发布时间】：2022-11-23 00:02:46
【问题描述】：

我有一个自定义损失函数，我想将基于单热编码的值更改为特定范围内的值以计算 IOU。

这段代码的一部分是查看我在张量中有一个 1 的地方，否则张量为零。为此，我使用 tf.where 返回位置。我有一个形状为 [batch_size,S1,S2,12] 的向量，其中我只关心最后一个维度，这就是为什么我采用 tf.where 的 [...,2]。

现在经常发生我的预测全为零的情况，因为我的背景事件中没有任何值，而且我的网络会时不时地预测全零向量。这意味着 tf.where 将返回一个空张量。这就是为什么我想使用 K.switch 检查张量是否为空，因为如果是，我希望返回零。

现在的问题是 K.switch 期望 then else 选项的形状具有相同的形状，但我需要我的输出具有形状 [batch_size,S1,S2,1]。我尝试过不同的东西，但我无法让它发挥作用。我需要获得形状为 [batch_size,S1,S2,1] 的零点，或者我需要 where_box1 使 [batch_size,S1,S2,1] 带有浮点数。

现在实现的方式是，当 where_box1_temp 为空时，K.switch 返回一个空的零向量，这不是我想要的。当我使用 tf.zeros([batch_size,S1,S2,1]) 时，它会抱怨 where_box1_temp 为空时条件形状不同....

where_box1_temp = tf.where(y_pred[...,C+1:C+13])[...,2]

where_box1 = K.switch(tf.equal(tf.size(where_box1_temp),0) , 
                          tf.zeros_like(where_box1_temp) , where_box1_temp)

【问题讨论】：

标签： python tensorflow keras

【解决方案1】：

所以我找到了一个解决方法，也许这对其他人有帮助：

where_box1_temp = tf.where(y_pred[...,C+1:C+13],[1,2,3,4,5,6,7,8,9,10,11,12],0)

where_box1 = tf.reshape(K.sum(where_box1_temp,axis=3),[batch_size,5,5])

这使我能够获得所需形状的张量，其中所有背景/零预测值均为 0，而无需使用 k.switch 并且不会遇到任何空维度或类似问题。

【讨论】：