如何在张量流中使用指定的掩码对张量轴进行平均答案

【问题标题】：how to average a tensor axis with specified mask in tensorflow如何在张量流中使用指定的掩码对张量轴进行平均
【发布时间】：2018-06-30 16:51:34
【问题描述】：

例如：

我有一个输入tensor(input)，形状为(?,10)dtype=float32，第一个维度表示batch_size。

还有一个面具tensor(mask)，形状为(?,10)。 mask[sample_number] 和 [True,True,False,...] 类似，表示面具

标签张量（avg_label），形状为(?,)，表示每个样本的掩码位置的正确平均值

我想训练模型，但找不到获得输出的好方法。

tf.reduce_...（例如 tf.reduce_mean）函数似乎不支持关于屏蔽的论点。

我尝试tf.boolean_mask，但它会将输出形状扁平化为一维，抛出sample_number维度，因此无法区分样本

我考虑过tf.where，比如：

masked=tf.where(mask,input,tf.zeros(tf.shape(input)))
avg_out=tf.reduce_mean(masked,axis=1)
loss=tf.pow(avg_out-avg_label,2)

但是上面的代码肯定是行不通的，因为 False 设置为 0 会改变 avg。如果使用 np.nan ，它总是会得到 nan。我想知道做reduce操作时是否有一个表示缺席的值。

我该怎么做？

【问题讨论】：

您的问题不清楚。您有一个形状为 (?, 10) 的输入张量，一个形状为 (?, 10) 的蒙版张量，并且您想获得输入的平均值，仅适用于 mask=True 的那些值。对吗？
对，就是这个意思。

标签： python tensorflow artificial-intelligence conv-neural-network

【解决方案1】：

你可以使用tf.ragged.boolean_mask来保持维度。

tf.reduce_mean(tf.ragged.boolean_mask(x, mask=mask), axis=1)

【讨论】：

【解决方案2】：

您可以通过计算掩码中的非消失条目来编写自己的均值函数

为什么不直接

import tensorflow as tf
import numpy as np

B, H, W, C = 5, 224, 224, 3

data = np.random.randn(B, H, W, C).astype(np.float32)
mask = np.random.randint(2, size=(B, H, W, C)).astype(np.float32)

expected = (data * mask).sum(axis=(1, 2, 3), keepdims=True)
expected = expected / mask.sum(axis=(1, 2, 3), keepdims=True)

data_op = tf.convert_to_tensor(data)
mask_op = tf.convert_to_tensor(mask)

actual_op = tf.reduce_sum(tf.multiply(data, mask), axis=[1, 2, 3], keepdims=True) / tf.reduce_sum(mask, axis=[1, 2, 3], keepdims=True)

with tf.Session() as sess:
    actual = sess.run(actual_op)

np.testing.assert_allclose(actual, expected)

【讨论】：

如果这不是讽刺，请随意接受。否则，请相应地更改您的问题，以便您真正获得所需的信息。
如果在填充上下文中使用它，我可能会建议使用tf.math.divide_no_nan。序列末端的东西可能在掩码中沿您要减少的任何维度全为零。

【解决方案3】：

您可以使用tf.boolean_mask。

In [17]: tensor = tf.constant([[1, 2], [3, 4], [5, 6]])
In [18]: mask = np.array([[True, False], [False, True], [True, False]])
In [19]: masked = tf.boolean_mask(tensor, mask)
In [20]: masked.eval()
Out[20]: array([1, 4, 5], dtype=int32)
In [21]: tf.reduce_mean(masked).eval()
Out[21]: 3

对于 False 掩码值，您可以使用 tf.logical_not 切换掩码。

【讨论】：