张量流中值答案

【问题标题】：Tensorflow median value张量流中值
【发布时间】：2017-10-05 02:23:19
【问题描述】：

如何计算张量流中列表的中值？喜欢

node = tf.median(X)

X 是占位符
在 numpy 中，我可以直接使用 np.median 来获取中值。如何在tensorflow中使用numpy操作？

【问题讨论】：

标签： python numpy tensorflow median

【解决方案1】：

要使用tensorflow 计算数组的中位数，您可以使用percentile 函数，因为第 50 个百分位数是中位数。

import tensorflow as tf
import tensorflow_probability as tfp
import numpy as np 

np.random.seed(0)   
x = np.random.normal(3.0, .1, 100)

median = tfp.stats.percentile(x, 50.0, interpolation='midpoint')

tf.Session().run(median)

上面的代码等价于np.percentile(x, 50, interpolation='midpoint')。

【讨论】：

【解决方案2】：

编辑：此答案已过时，请改用 Lucas Venezian Povoa 的解决方案。它更简单、更快捷。

您可以使用以下方法计算 tensorflow 中的中位数：

def get_median(v):
    v = tf.reshape(v, [-1])
    mid = v.get_shape()[0]//2 + 1
    return tf.nn.top_k(v, mid).values[-1]

如果 X 已经是向量，则可以跳过整形。

如果您关心中值是偶数大小向量的两个中间元素的平均值，您应该改用它：

def get_real_median(v):
    v = tf.reshape(v, [-1])
    l = v.get_shape()[0]
    mid = l//2 + 1
    val = tf.nn.top_k(v, mid).values
    if l % 2 == 1:
        return val[-1]
    else:
        return 0.5 * (val[-1] + val[-2])

【讨论】：

感谢您的帮助。我定义的 X 是一个 [None, 5] 矩阵，因为输入数据的大小是未知的。我怎么能解决这个问题？
@YingchaoXiong 你想计算总矩阵的中位数还是沿着其中一个维度计算？
沿尺寸。我已经弄清楚了这个问题。新问题是矩阵的大小或如何在函数中定义 m 的值。占位符的大小为 [None, 5]。在训练部分，我将批量大小设置为 10 ([10,5])，而当我进行预测时，大小将是 [1,5]。如何根据饲料的大小更改 m 的值？非常感谢！！！
@YingchaoXiong 您可以尝试使用动态形状：tf.shape(v) 我不确定这是否可以与 top_k 结合使用。另一种方法是让两个网络使用相同的权重（使用变量范围并为第二个网络设置重用=True）。使用 [10, 5] 占位符创建第一个网络，使用 [1, 5] 占位符创建第二个网络。
对于v = [1, 2, 3]，这给出了3。因此你应该给m加1：m = v.get_shape()[0]//2 + 1。但是对于具有偶数个值的集合，它仍然是错误的。对于v = [1, 2, 3, 4]，中位数通常应该是两个中间元素的平均值：2.5。这在 Lucas answer 的第二部分是正确的。

【解决方案3】：

我们可以修改 BlueSun 的解决方案，使其在 GPU 上更快：

def get_median(v):
    v = tf.reshape(v, [-1])
    m = v.get_shape()[0]//2
    return tf.reduce_min(tf.nn.top_k(v, m, sorted=False).values)

这与使用 tf.contrib.distributions.percentile(v, 50.0) 一样快（根据我的经验），并返回实际元素之一。

【讨论】：