如何有条件地为张量分配值[用于损失函数的屏蔽]?

Question

我想创建一个 L2 损失函数，它忽略标签值为 0 的值（=> 像素）。张量 batch[1] 包含标签，而 output 是网络输出的张量，两者都具有形状 (None,300,300,1)。

labels_mask = tf.identity(batch[1])
labels_mask[labels_mask > 0] = 1
loss = tf.reduce_sum(tf.square((output-batch[1])*labels_mask))/tf.reduce_sum(labels_mask)

我的当前代码会出现 TypeError: 'Tensor' object does not support item assignment 错误（在第二行）。使用tensorflow该怎么做呢？我还试图使用 tf.reduce_sum(labels_mask) 对损失进行归一化，希望它能像这样工作。

- ScientiaEtVeritas

Answer 1

这是一个示例，演示如何使用布尔索引并有条件地将值分配给变量：

a = tf.Variable(initial_value=[0, 0, 4, 6, 1, 2, 4, 0])
mask = tf.greater_equal(a, 2)  # [False False  True  True False  True  True False]
indexes = tf.where(mask)  # [[2] [3] [5] [6]], shape=(4, 1)
b = tf.scatter_update(a, mask, tf.constant(1500))

输出：

[   0,    0, 1500, 1500,    1, 1500, 1500,    0]

- Ivan Talalaev

---

当尝试与急切张量一起使用时，我收到AttributeError：'EagerTensor'对象没有属性'_lazy_read'，有没有办法在急切张量中使用它？ - thebeancounter

这个 indexes = tf.where(mask) 行有什么作用吗？ - Rodrigo Laguna

Answer 2

如果你想以这种方式编写它，你需要使用Tensorflow的scatter方法进行赋值。不幸的是，tensorflow也不真正支持布尔索引（新的boolean_select使其成为可能，但很烦人）。这将很棘手且难以阅读。

您有两个选项，它们都不那么麻烦：

1. 使用labels_mask > 0作为布尔掩码，并使用Tensorflow的最近的boolean_mask函数。也许这是更Tensorflow的方式，因为它调用任意特定的函数。
2. 将labels_mask > 0转换为浮点数：tf.cast(labels_mask > 0, tf.float32)。然后，您可以像在代码的最后一行中所希望的那样使用它。

- gngdb