Numpy argmax结果作为子传感器

我想使用argmax作为子传感器，保留尺寸。我有：

m, argm = T.max_and_argmax(a, axis=axis, keepdims=True)

我想在

a

中将这些值设置为零。即，我需要使用

T.set\u子传感器

。要使用它，我需要在

argm

处指定

a

的子传感器

a_sub

，但我不确定它是什么样子<代码>a_sub=a[argm]对于多个维度是错误的

这应包括：

a_sub == T.max(a, axis=axis)
a_sub.shape == T.max(a, axis=axis).shape

最后，我想做：

a = T.set_subtensor(a_sub, 0)

我当前的解决方案：

idx = T.arange(a.shape[axis]).dimshuffle(['x'] * axis + [0] + ['x'] * (a.ndim - axis - 1))
a = T.switch(T.eq(idx, argm), 0, a)

但是，

a_sub=a[T.eq（idx，argm）]

不起作用。

您需要使用与之不同的编号

这里有一个例子，可以满足您的需要

更新：现在可用于参数化轴，但请注意，

轴

不能是符号

import numpy

import theano
import theano.tensor as tt

theano.config.compute_test_value = 'raise'

axis = 2

x = tt.tensor3()
x.tag.test_value = numpy.array([[[3, 2, 6], [5, 1, 4]], [[2, 1, 6], [6, 1, 5]]],
                               dtype=theano.config.floatX)

# Identify the largest value in each row
x_argmax = tt.argmax(x, axis=axis, keepdims=True)

# Construct a row of indexes to the length of axis
indexes = tt.arange(x.shape[axis]).dimshuffle(
    *(['x' for dim1 in xrange(axis)] + [0] + ['x' for dim2 in xrange(x.ndim - axis - 1)]))

# Create a binary mask indicating where the maximum values appear
mask = tt.eq(indexes, x_argmax)

# Alter the original matrix only at the places where the maximum values appeared
x_prime = tt.set_subtensor(x[mask.nonzero()], 0)

print x_prime.tag.test_value

---

My

轴是可变的。而且
ndim
是可变的（在我的测试中是3）。那会是什么样子？@Albert更新了代码，但注释轴不能是符号。啊，我明白了，我也错过了
nonzero（）
。我现在使用的是
tt.switch（mask，0，x）
而不是
tt.set\u子传感器（x[mask.nonzero（）]，0）
。你知道哪个更快吗？我不知道，但我也有兴趣知道。我希望优化器能够检测等价性并生成相同的执行图。另一个后续问题是：
mask.nonzero（）
和
argm
之间有什么区别？