在 Tensorflow 中，顶级 k 池元素而不是仅最大一个的最佳方法是什么？答案

【问题标题】：What is the best way to top k pool elements instead of only the max one in Tensorflow?在 Tensorflow 中，顶级 k 池元素而不是仅最大一个的最佳方法是什么？
【发布时间】：2016-07-16 07:29:28
【问题描述】：

现在tensorflow中的最大池化函数是

tf.nn.max_pool(value, ksize, strides, padding, name=None) 回报：类型为 tf.float32 的张量。最大池化输出张量。

我想要一个 max_pool 的扩展版本，比如

tf.nn.top_k_pool(value, ksize, strides, padding, k=1, name=None) 对输入执行前 k 个池化。参数： value：一个 4-D 张量，形状为 [batch, height, width, channels]，类型为 tf.float32。 ksize：长度 >= 4 的整数列表。输入张量的每个维度的窗口大小。 strides：长度 >= 4 的整数列表。输入张量的每个维度的滑动窗口的步幅。 padding：一个字符串，“VALID”或“SAME”。填充算法。 k：0-D int32 张量。要在每个池中查找的顶部元素的数量。 name：操作的可选名称。回报：类型为 tf.float32 的张量。最大池化输出张量。将有一个额外的维度来保存前 k 个值。

我知道我可以在 https://www.tensorflow.org/versions/r0.7/how_tos/adding_an_op/index.html 之后扩展 tensorflow 操作

我想知道是否有更简单的方法来实现这一点。

【问题讨论】：

你找到解决办法了吗？

标签： python tensorflow

【解决方案1】：

usd tf.reshape(), tf.matrix_transpose(), tf.nn.top_k(sorted=False) 和 tf.nn.conv2d() 中的 'data_format' 参数，详见http://www.infocool.net/kb/OtherCloud/201703/318346.html

【讨论】：

【解决方案2】：

这是一个使用top_k获取通道的最大k个激活的函数。您可以修改它以适合您的目的：

def make_sparse_layer(inp_x,k, batch_size=None):

    in_shape = tf.shape(inp_x)
    d = inp_x.get_shape().as_list()[-1]
    matrix_in = tf.reshape(inp_x, [-1,d])
    values, indices = tf.nn.top_k(matrix_in, k=k, sorted=False)
    out = []
    vals = tf.unpack(values, axis=0, num=batch_size)
    inds = tf.unpack(indices, axis=0, num=batch_size)
    for i, idx in enumerate(inds):
        out.append(tf.sparse_tensor_to_dense(tf.SparseTensor(tf.reshape(tf.cast(idx,tf.int64),[-1,1]),vals[i], [d]), validate_indices=False ))
    shaped_out = tf.reshape(tf.pack(out), in_shape)
    return shaped_out

【讨论】：

【解决方案3】：

您最好的选择可能是 TopK 操作：https://www.tensorflow.org/versions/r0.7/api_docs/python/nn.html#top_k

【讨论】：

你能展示一段代码来实现它吗？事实上，我已经看过这个函数，但我无法想象一种将它实现为池的方法，因为我必须处理池窗口。