如何使用 TensorFlow 1.14 从 3D 张量中获得最大 2D 张量？

Question

我正在寻找最佳和优化的方法（无循环），以使用 TensorFlow 1.14 根据最大​​值从 3D 张量获取 2D 最大张量。假设我们有这个张量和这个函数（为了理解-它不起作用-）：

def get_Max(inputs):
    max_indices = [0,0,0]
    for i in range(16):
        for j in range(2048):
            for k in range(10):
                if(inputs[max_indices[0],max_indices[1],max_indices[2]]<inputs[i,j,k]):
                   max_indices = [i,j,k]
    return inputs[:][j]
inputs = tf.random.uniform(shape=[16,2048,10],dtype=tf.dtypes.float32)
output = get_Max(inputs)

因此，输出张量的形状必须为 [16,10]，即 2048 的 16 个最大值。 那么，如何实现一个没有循环的函数呢？

我使用了tf.math.reduce_max，但这不是我想要的，因为它在下图中很清楚：

Answer 1

inp = tf.random.uniform(shape=[4, 6, 2], maxval=20, dtype=tf.int32)
print(inp)

array([[[14,  8],
    [18, 10],
    [ 6, 14],
    [ 8,  9],
    [11, 11],
    [14, 13]],

   [[ 7, 18],
    [ 4, 10],
    [15,  6],
    [ 6,  2],
    [19, 11],
    [10,  4]],

   [[ 8,  1],
    [ 1,  3],
    [ 4, 17],
    [15,  7],
    [ 0,  0],
    [ 1,  4]],

   [[ 5,  0],
    [15, 12],
    [ 1, 16],
    [ 3, 17],
    [14, 17],
    [ 2, 18]]], dtype=int32)>

所以如果我理解正确，对于每个inp[i, :, :] 喜欢：

    [[14,  8],
    [18, 10],
    [ 6, 14],
    [ 8,  9],
    [11, 11],
    [14, 13]]

您想保留包含最大数量的项目，在本例中为第二行：[18, 10]。我要做的是首先找到最后一个轴的最大数量：

am = tf.math.reduce_max(inp, axis=2)
am[0, :, :]
[14,
 18,
 14,
 9,
 11,
 14]

然后找到包含最大数的行的索引：

am = tf.math.argmax(am, axis=1)

这些将是您想要的 js，然后您可以使用 tf.gather_nd 并枚举来获取这些值：

# [*enumerate(am)] = [(0, am[0]), (1, am[1]), ...]
tf.gather_nd(inp, [*enumerate(am)])

<tf.Tensor: shape=(4, 2), dtype=int32, numpy=
array([[18, 10],
       [19, 11],
       [ 4, 17],
       [ 2, 18]], dtype=int32)>