如何有条件地将值赋值给张量[掩盖丢失函数]？

Question

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

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)

我当前的代码屈服于TypeError: 'Tensor' object does not support item assignment（在第二行）。什么是tensorflow方式来做到这一点？我还尝试用tf.reduce_sum(labels_mask)来规范化损失，我希望这样做。

Answer 1

如果你想用这种方式编写，你必须使用Tensorflow的scatter方法进行赋值。不幸的是，tensorflow也不支持布尔索引（新的boolean_select使其成为可能，但令人讨厌）。写作难以阅读会很棘手。

你有两个不那么恼人的选择：

1. 使用labels_mask > 0作为布尔掩码并使用Tensorflow最近的boolean_mask函数。也许这是更多张量流方式，因为它调用任意特定的函数。
2. 把labels_mask > 0扔到浮动：tf.cast(labels_mask > 0, tf.float32)。然后，您可以在代码的最后一行中以您希望的方式使用它。

Answer 2

下面是一个如何应用布尔索引并有条件地为Variable赋值的示例：

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]