我想为形状为tf.nn.softmax()
的张量的选定二维实现(batch_size=?, height, width, channel)
。
但是tf.nn.softmax()
似乎不可能在同一时间接收2轴。使用tf.softmax(tensor, axis=[1, 2])
会在张量流中引起轴误差。
如何在矢量化模式下优雅地实现这一点? thx:D
我不是一次传递两个维度,而是首先相应地重塑输入,例如:
array = tf.constant([[1., 2.], [3., 4.]])
tf.nn.softmax(array, axis=0) # Calculate for axis 0
tf.nn.softmax(array, axis=1) # Calculate for axis 1
tf.nn.softmax(tf.reshape(array, [-1])) # Calculate for both axes
你可以做
array = np.random.rand(1, 2, 2, 1)
s1 = tf.nn.softmax(array, axis=1)
s2 = tf.nn.softmax(array, axis=2)
rs = tf.reduce_sum([s1, s2], 0)
这将返回与初始数组相同形状的张量