转换一个张量，使得最大值为 1，其余为 0答案

【问题标题】：Converting a tensor such that maximum value is 1 and rest is 0转换一个张量，使得最大值为 1，其余为 0
【发布时间】：2020-05-25 19:14:44
【问题描述】：

我正在努力解决一个问题，我需要转换我的张量，以便在总值中，最大值获得 1 作为值，其余为 0。

tf.Tensor(
    [[0.05]
     [0.1]
     [0.5]
     [0.35]],shape=(4,1),dtype = float32)

我试过了

out = tf.sparse_to_dense(tf.argmax(a),tf.cast(tf.shape(a), dtype=tf.int64), tf.reduce_max(a))

但不幸的是，得到一个错误

Input must be a SparseTensor.

我希望输出为

tf.Tensor(
    [[0]
     [0]
     [1]
     [0]],shape=(4,1),dtype = float32)

请帮我解决问题。非常感谢

【问题讨论】：

标签： tensorflow machine-learning deep-learning tensor

【解决方案1】：

这样试试

x = tf.constant(
    [[0.05],
     [0.1],
     [0.5],
     [0.35]])

top_values, top_indices = tf.nn.top_k(tf.reshape(x, (-1,)), 1)
tf.cast(tf.greater_equal(x, top_values), tf.float64)

输出

<tf.Tensor: shape=(4, 1), dtype=float64, numpy=
array([[0.],
       [0.],
       [1.],
       [0.]])>

【讨论】：

非常感谢。这个东西工作起来也很容易实现你编写它的方式。

【解决方案2】：

使用keras后端K.cast(K.equal(a, K.max(a)), dtype='int8')

import numpy as np

import tensorflow as tf
from tensorflow.keras import backend as K

a = np.arange(0, 1, 0.1)
a = a[:, np.newaxis]

a


array([[0. ],
       [0.1],
       [0.2],
       [0.3],
       [0.4],
       [0.5],
       [0.6],
       [0.7],
       [0.8],
       [0.9]], dtype=float32)

tensor = K.cast(a, dtype='float32')

tensor

<tf.Tensor: shape=(10, 1), dtype=float32, numpy=
array([[0. ],
       [0.1],
       [0.2],
       [0.3],
       [0.4],
       [0.5],
       [0.6],
       [0.7],
       [0.8],
       [0.9]], dtype=float32)>

K.cast(K.equal(a, K.max(a)), dtype='int8')


<tf.Tensor: shape=(10, 1), dtype=int8, numpy=
array([[0],
       [0],
       [0],
       [0],
       [0],
       [0],
       [0],
       [0],
       [0],
       [1]], dtype=int8)>

【讨论】：