如何在二维张量的第二维上使用 Tensorflows scatter_nd？答案

【问题标题】：How can I use Tensorflows scatter_nd on the second dimension of a 2D tensor?如何在二维张量的第二维上使用 Tensorflows scatter_nd？
【发布时间】：2019-10-05 13:21:09
【问题描述】：

TL;DR：如何将每个实例 2 个标签的 2D 二进制张量拆分为每个实例只有 1 个标签的 2 个张量，如下图所示：

作为自定义损失函数的一部分，我试图将一个多标签 y 张量（每个实例有 2 个标签）拆分为 2 个 y 张量，每个实例有 1 个标签。当我在 1D y 张量上执行此操作时，此代码效果很好：

y_true = tf.constant([1., 0., 0., 0., 1., 0., 0., 0., 0.])
label_cls = tf.where(tf.equal(y_true, 1.))
idx1, idx2 = tf.split(label_cls,2)
raplace = tf.constant([1.])
y_true_1 = tf.scatter_nd(tf.cast(idx1, dtype=tf.int32), raplace, [tf.size(y_true)]) 
y_true_2 = tf.scatter_nd(tf.cast(idx2, dtype=tf.int32), raplace, [tf.size(y_true)])  

with tf.Session() as sess:
    print(sess.run([y_true_1,y_true_2]))

我得到：

[array([1., 0., 0., 0., 0., 0., 0., 0., 0.], dtype=float32), array([0., 0., 0., 0., 1., 0., 0., 0., 0.], dtype=float32)]

但是当我在训练中使用批处理时，我得到了这个错误：

Invalid argument: Outer dimensions of indices and update must match.

由于我的“y 张量”是 2D 而不是 1D，在这种情况下 - idx1, idx2（索引）不正确，replace（更新）的形状也不正确。据我了解，tf.scatter_nd 只能更新变量的第一个维度，那么我该如何解决呢？以及如何获得所需的索引？

【问题讨论】：

标签： tensorflow machine-learning keras deep-learning

【解决方案1】：

我觉得你走的是一条曲折的道路。这是我的解决方案。感觉它比您尝试使用的更简单（尝试使用 tf 1.14）。

import tensorflow as tf

y_true = tf.constant([[1, 0, 1, 0],[0, 1, 1, 0]])
_, label_inds = tf.math.top_k(y_true, k=2)
idx1, idx2 = tf.split(label_inds,2, axis=1)

y_true_1 = tf.one_hot(idx1, depth=4)
y_true_2 = tf.one_hot(idx2, depth=4)

with tf.Session() as sess:

    print(sess.run([y_true_1, y_true_2]))

因此，您可以获取每行前 2 个标签的索引。然后使用tf.split 将其拆分为 2 列。然后使用 one_hot 将这些索引转换回 onehot 向量。

【讨论】：