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:Numpy argmax结果作为子传感器,numpy,theano,Numpy,Theano,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).s
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?