Tensorflow中是否可以采用张量的模式？

Question

我正在尝试在 Tensorflow 中构建一个 DAG，我需要在其中获取目标各个区域的模式（最常见的值）。这是为了构建一个下采样的目标。

现在，我正在针对可能遇到的每种情况对降采样目标进行预处理，保存它们，然后加载它们。显然，如果将它集成到我的 Tensorflow 图表中，这一切都会容易得多，这样我就可以在运行时进行下采样。

但我到处寻找，我找不到tf.reduce_mode 的证据，它的功能与tf.reduce_mean 相同。 有没有办法在 Tensorflow 图中构建这个功能？

Answer 1

我的想法是我们得到唯一的数字及其计数。然后我们找到出现频率最高的数字。最后，我们通过在 number-count 张量中使用它们的索引来获取这些数字（可能不止一个）。

samples = tf.constant([10, 32, 10, 5, 7, 9, 9, 9])
unique, _, count = tf.unique_with_counts(samples)
max_occurrences = tf.reduce_max(count)
max_cond = tf.equal(count, max_occurrences)
max_numbers = tf.squeeze(tf.gather(unique, tf.where(max_cond)))

with tf.Session() as sess:
  print 'Most frequent Numbers\n', sess.run(max_numbers)
> Most frequent Numbers
  9