如何有条件地为张量赋值[屏蔽损失函数]？答案

【问题标题】：How to conditionally assign values to tensor [masking for loss function]?如何有条件地为张量赋值[屏蔽损失函数]？
【发布时间】：2018-07-08 16:59:47
【问题描述】：

我想创建一个忽略标签值为 0 的值（=> 像素）的 L2 损失函数。张量 batch[1] 包含标签，而 output 是净输出的张量，两者都有(None,300,300,1) 的形状。

labels_mask = tf.identity(batch[1])
labels_mask[labels_mask > 0] = 1
loss = tf.reduce_sum(tf.square((output-batch[1])*labels_mask))/tf.reduce_sum(labels_mask)

我当前的代码屈服于TypeError: 'Tensor' object does not support item assignment（在第二行）。这样做的张量流方式是什么？我还尝试使用tf.reduce_sum(labels_mask) 使损失正常化，我希望它可以像这样工作。

【问题讨论】：

标签： python tensorflow machine-learning loss loss-function

【解决方案1】：

这是一个如何应用布尔索引并有条件地为变量赋值的示例：

a = tf.Variable(initial_value=[0, 0, 4, 6, 1, 2, 4, 0])
mask = tf.greater_equal(a, 2)  # [False False  True  True False  True  True False]
indexes = tf.where(mask)  # [[2] [3] [5] [6]], shape=(4, 1)
b = tf.scatter_update(a, mask, tf.constant(1500))

输出：

[   0,    0, 1500, 1500,    1, 1500, 1500,    0]

【讨论】：

@当试图将它与热切张量一起使用时，我得到 AttributeError: 'EagerTensor' object has no attribute '_lazy_read'，有没有办法将它与热切张量一起使用？
这indexes = tf.where(mask) 行有什么用吗？

【解决方案2】：

如果你想这样写，你必须使用 Tensorflow 的scatter 方法进行赋值。不幸的是，tensorflow 也不真正支持布尔索引（新的boolean_select 使它成为可能，但很烦人）。写起来很麻烦，读起来也很困难。

你有两个不那么烦人的选择：

使用labels_mask > 0 作为布尔掩码并使用Tensorflow 最近的boolean_mask 函数。也许这是更张量流的方式，因为它调用任意特定的函数。
将labels_mask > 0 转换为浮动：tf.cast(labels_mask > 0, tf.float32)。然后，您可以在代码的最后一行中以您想要的方式使用它。

【讨论】：