Python Tensorflow:tf.argmax和切片

我想设计这个损失函数：

sum((y[argmax(y_)] - y_[argmax(y_)])²)

我找不到一种方法来做

y[argmax（y）]

。我试过

y[k]

，

y[：，k]

和

y[None，k]

这些都不管用。这是我的代码：

    Na = 3
    x = tf.placeholder(tf.float32, [None, 2])
    W = tf.Variable(tf.zeros([2, Na]))
    b = tf.Variable(tf.zeros([Na]))
    y = tf.nn.relu(tf.matmul(x, W) + b)
    y_ = tf.placeholder(tf.float32, [None, 3])
    k = tf.argmax(y_, 1)
    diff = y[k] - y_[k]
    loss = tf.reduce_sum(tf.square(diff))

错误是：

  File "/home/ncarrara/phd/code/cython/robotnavigation/ftq/cftq19.py", line 156, in <module>
    diff = y[k] - y_[k]
  File "/home/ncarrara/miniconda3/lib/python2.7/site-packages/tensorflow/python/ops/array_ops.py", line 499, in _SliceHelper
    name=name)
  File "/home/ncarrara/miniconda3/lib/python2.7/site-packages/tensorflow/python/ops/array_ops.py", line 663, in strided_slice
    shrink_axis_mask=shrink_axis_mask)
  File "/home/ncarrara/miniconda3/lib/python2.7/site-packages/tensorflow/python/ops/gen_array_ops.py", line 3515, in strided_slice
    shrink_axis_mask=shrink_axis_mask, name=name)
  File "/home/ncarrara/miniconda3/lib/python2.7/site-packages/tensorflow/python/framework/op_def_library.py", line 767, in apply_op
    op_def=op_def)
  File "/home/ncarrara/miniconda3/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 2508, in create_op
    set_shapes_for_outputs(ret)
  File "/home/ncarrara/miniconda3/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 1873, in set_shapes_for_outputs
    shapes = shape_func(op)
  File "/home/ncarrara/miniconda3/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 1823, in call_with_requiring
    return call_cpp_shape_fn(op, require_shape_fn=True)
  File "/home/ncarrara/miniconda3/lib/python2.7/site-packages/tensorflow/python/framework/common_shapes.py", line 610, in call_cpp_shape_fn
    debug_python_shape_fn, require_shape_fn)
  File "/home/ncarrara/miniconda3/lib/python2.7/site-packages/tensorflow/python/framework/common_shapes.py", line 676, in _call_cpp_shape_fn_impl
    raise ValueError(err.message)
ValueError: Shape must be rank 1 but is rank 2 for 'strided_slice' (op: 'StridedSlice') with input shapes: [?,3], [1,?], [1,?], [1].

文件“/home/ncarrara/phd/code/cython/robotnavigation/ftq/cftq19.py”，第156行，在
diff=y[k]-y_k[k]
文件“/home/ncarrara/miniconda3/lib/python2.7/site packages/tensorflow/python/ops/array_ops.py”，第499行，在
名称=名称）
文件“/home/ncarrara/miniconda3/lib/python2.7/site packages/tensorflow/python/ops/array_ops.py”，第663行，跨步切片
收缩轴遮罩=收缩轴遮罩）
文件“/home/ncarrara/miniconda3/lib/python2.7/site packages/tensorflow/python/ops/gen_array_ops.py”，第3515行，跨步切片
收缩轴遮罩=收缩轴遮罩，名称=名称）
文件“/home/ncarrara/miniconda3/lib/python2.7/site packages/tensorflow/python/framework/op_def_library.py”，第767行，在apply_op
op_def=op_def）
文件“/home/ncarrara/miniconda3/lib/python2.7/site packages/tensorflow/python/framework/ops.py”，第2508行，在create_op中
为输出设置形状（ret）
文件“/home/ncarrara/miniconda3/lib/python2.7/site packages/tensorflow/python/framework/ops.py”，第1873行，在集合形状中，用于输出
形状=形状函数（op）
文件“/home/ncarrara/miniconda3/lib/python2.7/site packages/tensorflow/python/framework/ops.py”，第1823行，与
回传呼叫\u cpp\u shape\u fn（op，require\u shape\u fn=True）
文件“/home/ncarrara/miniconda3/lib/python2.7/site packages/tensorflow/python/framework/common_shapes.py”，第610行，在call_cpp_shape_fn中
调试\u python\u形状\u fn，需要\u形状\u fn）
文件“/home/ncarrara/miniconda3/lib/python2.7/site packages/tensorflow/python/framework/common_shapes.py”，第676行，在“调用”cpp_shape_fn_impl中
提升值错误（错误消息）
ValueError:形状必须为秩1，但对于输入形状为[？，3]，[1]，[1]，[1]，[1]，[1]的“跨步切片”（op:“跨步切片”），形状必须为秩2。

可通过以下方式完成：

说明：

在这种情况下，

tf.gather nd

的思想是生成一个矩阵（一个二维张量），其中每一行包含输出中要包含的行和列的索引。例如，如果我有一个矩阵

a

包含：

| 1 2 3 |
| 4 5 6 |
| 7 8 9 |

| 1 2 |
| 0 1 |
| 2 2 |
| 1 0 |

| 6 |
| 2 |
| 9 |
| 4 |

以及矩阵

i

，包含：

| 1 2 3 |
| 4 5 6 |
| 7 8 9 |

| 1 2 |
| 0 1 |
| 2 2 |
| 1 0 |

| 6 |
| 2 |
| 9 |
| 4 |

然后，

tf.gather\n nd（a，i）

的结果将是包含以下内容的向量（一维张量）：

| 1 2 3 |
| 4 5 6 |
| 7 8 9 |

| 1 2 |
| 0 1 |
| 2 2 |
| 1 0 |

| 6 |
| 2 |
| 9 |
| 4 |

在这种情况下，列索引由

k

中的

tf.argmax

给出；它告诉您，对于每一行，哪一列的值最高。现在，您只需要将行索引与其中的每一个放在一起。

k

中的第一个元素是第0行最大值列的索引，下一个元素是第1行的索引，依此类推

num\u examples

只是

x

和

tf中的行数。range（num\u examples）

为您提供一个从0到

x

中的行数减去1（即所有行索引序列）的向量。现在您只需要将其与

k

结合起来，这就是

tf.stack

所做的，结果

idx

是

tf.gather\n的参数，可以使用以下方法完成：

说明：

在这种情况下，
tf.gather nd
的思想是生成一个矩阵（一个二维张量），其中每一行包含输出中要包含的行和列的索引。例如，如果我有一个矩阵
a
包含：

| 1 2 3 |
| 4 5 6 |
| 7 8 9 |

| 1 2 |
| 0 1 |
| 2 2 |
| 1 0 |

| 6 |
| 2 |
| 9 |
| 4 |

以及矩阵
i
，包含：

| 1 2 3 |
| 4 5 6 |
| 7 8 9 |

| 1 2 |
| 0 1 |
| 2 2 |
| 1 0 |

| 6 |
| 2 |
| 9 |
| 4 |

然后，
tf.gather\n nd（a，i）
的结果将是包含以下内容的向量（一维张量）：

| 1 2 3 |
| 4 5 6 |
| 7 8 9 |

| 1 2 |
| 0 1 |
| 2 2 |
| 1 0 |

| 6 |
| 2 |
| 9 |
| 4 |

在这种情况下，列索引由
k
中的
tf.argmax
给出；它告诉您，对于每一行，哪一列的值最高。现在，您只需要将行索引与其中的每一个放在一起。
k
中的第一个元素是第0行最大值列的索引，下一个元素是第1行的索引，依此类推
num\u examples
只是
x
和
tf中的行数。range（num\u examples）
为您提供一个从0到
x
中的行数减去1（即所有行索引序列）的向量。现在你只需要把它和
k
放在一起，这就是
tf.stack
所做的，结果
idx
是
tf.gather\u nd
看起来不错，但现在我还不能确定你的答案是否正确，谢谢你@Nicolascararra我添加了一些解释。看起来不错，但现在我不确定是否能验证你的答案，谢谢你@尼古拉斯·卡拉拉：我补充了一些解释。