如何从张量返回最大值及其邻居答案

【问题标题】：How to return max value and it’s neighbors from tensor如何从张量返回最大值及其邻居
【发布时间】：2021-10-03 20:15:13
【问题描述】：

我创建了一个神经网络模型，想自定义损失函数。

我想知道如何从张量返回最大值及其邻居？

我知道 tf.argmax 可以从张量返回最大值的索引。但是是否有可能获得一个新的张量，其中包括 [max 之前的 3 个值、max 之前的 3 个值和 max 之后的 3 个值]

【问题讨论】：

没有足够的时间来写答案，但是看看索引张量。你应该可以做类似tensor[x-3:x+4]
我试过了，不行，因为x也是张量。
索引到 x 直到它不再是张量。我的猜测是，如果你将 x 从 numpy 转换为 ndarray，它看起来像 [[4]]，所以如果你只使用 x[0][0] 而不是 x，除非你的张量非常复杂，否则它可能会起作用。
问题是我想自定义损失函数，例如我定义了一个类似“def custom_loss(y_true, y_pred)”的函数。但是在损失函数中，我无法将张量转换为 numpy。
你能提供一个测试输入张量和你想要的输出吗？

标签： python tensorflow keras tensor loss-function

【解决方案1】：

刚刚看到你在cmets中说过，你想在非急切模式下运行它（即内部损失函数），因此tensor.numpy()不可用。

让我们创建一个随机张量，并找到最大值及其邻居，而不使用 numpy 和任何其他在 non-eager 模式下不可用的函数：

a = tf.random.uniform((20,), minval=0, maxval=100,dtype=tf.int32)
tf.print(a,summarize=20)
# [5 42 25 18 15 95 1 51 47 42 36 72 92 11 21 32 1 68 84 24]

start_index = tf.maximum(0,tf.subtract(tf.argmax(a,output_type=tf.int32),3))
end_index   = tf.minimum(a.shape[0],tf.add(start_index,7))

max_neighbors = a[start_index: end_index]
tf.print(max_neighbors,summarize=7)
# [25 18 15 95 1 51 47]

以上代码，可以在非急切模式下运行。请注意，您可以将run_eagerly=True 参数传递给model.compile()，以编写代码而不受非急切模式的限制（例如能够转换为numpy），但训练效率不高。

【讨论】：