Python 高于阈值值的Tensorflow抓取预测和指数

基于高于某个阈值的预测值和指数，获取相应预测值和指数的最简单方法是什么

考虑一下这个问题：

sess = tf.InteractiveSession()

predictions = tf.constant([[ 0.32957435,  0.82079124,  0.54503286,  0.51966476,  0.63359714,
         0.92034972,  0.13774526,  0.45154464,  0.18284607,  0.14604568],
       [ 0.78612137,  0.98291659,  0.4841609 ,  0.63260579,  0.21568334,
         0.82978213,  0.05054879,  0.09517837,  0.28309393,  0.01788473],
       [ 0.05706763,  0.24366784,  0.04608512,  0.32987678,  0.2342416 ,
         0.91725373,  0.60084391,  0.51787591,  0.74161232,  0.30830121],
       [ 0.67310858,  0.6250236 ,  0.42477703,  0.37107778,  0.65123832,
         0.97282803,  0.59533679,  0.49564457,  0.54935825,  0.63008392],
       [ 0.70233917,  0.48129809,  0.59114349,  0.63535333,  0.71188867,
         0.4799161 ,  0.90896237,  0.86089945,  0.47896886,  0.83451629],
       [ 0.82923532,  0.8950938 ,  0.99231505,  0.05526769,  0.98151541,
         0.18153167,  0.63851702,  0.07426929,  0.91846335,  0.81246626],
       [ 0.12850153,  0.23018432,  0.29871917,  0.71228445,  0.13235569,
         0.41061044,  0.98215759,  0.90024149,  0.53385031,  0.92247963],
       [ 0.87011361,  0.44218826,  0.01772344,  0.87317121,  0.52231467,
         0.86476815,  0.25352192,  0.31709731,  0.38249743,  0.74694788],
       [ 0.15262914,  0.49544573,  0.49644637,  0.07461977,  0.13706958,
         0.18619633,  0.86163998,  0.03700352,  0.51173556,  0.40018845]])

score_idx = tf.where(predictions > 0.8)

scores = tf.SparseTensor(score_idx, tf.gather_nd(predictions, score_idx), dense_shape=tf.shape(predictions, out_type=tf.int64))
dense_scores = tf.sparse_tensor_to_dense(scores)

print(sess.run([scores, dense_scores]))

我可以很容易地得到一个稀疏张量，它的所有预测值都在0.8以上，但最终我希望返回两个单独的1D张量：

• 预测指数=高于阈值的指数列表（示例中为0.8）
• 分数=对应示例的分数

因此，对于第一行，即：

[ 0.32957435,  0.82079124,  0.54503286,  0.51966476,  0.63359714,
         0.92034972,  0.13774526,  0.45154464,  0.18284607,  0.14604568]

我期待着返回：

• 预测的_指数=[1,5]
• 得分=[0.821,0.920]

---

有没有我遗漏的简单解决方案？

端到端问题实际上比原始的“索引”问题更简单，您只需执行

tf。其中

要根据您的maskI值选择预测元素或“默认值”，我不确定我是否完全理解它是如何简单的。我需要索引（因为我在推理时通过一个表传递索引以获得实际的标签名称）和预测元素（因为我希望能够对预测结果进行一些监视/评估）因此，如果我有预测，你会建议我如何获取高于阈值（比如0.5）的指数和值？为了澄清，默认值只会像前面的问题一样作为“填充”应用。因此，如果最长的行有3个元素>阈值，那么只有1个元素>阈值的行将需要添加2个填充元素（如前一个问题）我更新了问题以更好地涵盖端到端的目标。@YaroslavBulatov我仍在努力了解如何仅使用tf就可以实现这一点。其中--我能够使用默认值创建密集表示，但我想要的实际上是一个向量，它只包含满足条件的值。因此，对于第一行，我只想要[1,5]和[0.821,0.920]——如果tf.wehre有一个我忽略的非常简单的解决方案，我很想听到它！