Python 这个numpy数组操作的等效tensorflow操作是什么？

例如，

y_pred

是一个numpy数组，我需要这个操作

result = []
for i in y_pred:
    i = np.where(i == i.max(), 1, 0)
    result.append(i)

y\u pred

中每行的最大数量将变为

1

，其余将变为

0

---

如果y_pred是张量，如何实现此操作？

不确定是否已经有一个矢量化函数可以同时执行所有这些操作

假设这是您的数组

a = tf.Variable([[10,11,12,13],
             [13,14,16,15],
             [18,16,17,15],
             [0,4,3,2]], name='a')

top=tf.nn.top_k（a，1）

给出每行中最大值的索引。现在我们从one

acopy=tf.Variable（tf.zeros（（4,4），tf.int32），name='acopy'）

开始，它与原始数组的形状相同

之后，我们只需在找到最大值的位置替换零后将行缝合在一起

import tensorflow as tf

a = tf.Variable([[10,11,12,13],
                 [13,14,16,15],
                 [18,16,17,15],
                 [0,4,3,2]], name='a')

acopy = tf.Variable(tf.zeros((4,4),tf.int32), name='acopy')

top = tf.nn.top_k(a,1)

sess = tf.Session()

sess.run(tf.global_variables_initializer())

values,indices = sess.run(top)

shapeofa = a.eval(sess).shape

print(indices)

sess.run(tf.global_variables_initializer())

for i in range(0, shapeofa[0] ) :
    oldrow = tf.gather(acopy, i)
    index = tf.squeeze(indices[i])
    b = sess.run( tf.equal(index, 0) )
    if not b  :
        o = oldrow[0:index]
        newrow = tf.concat([o, tf.constant([1])], axis=0)
        c = sess.run(tf.equal(index, (tf.size(oldrow) - 1)))
        if not c:
            newrow = tf.concat([newrow, oldrow[(index+1):(tf.size(oldrow))]], axis=0)
    else :
        o1 = oldrow[1:tf.size(oldrow)]
        newrow = tf.concat([tf.constant([1]), o1], axis=0)
    acopy = tf.scatter_update(acopy, i, newrow)
    print(sess.run(acopy))

输出是这样的

[[01]

[0110]

[10]

[0 1 0 0]]

---

您可以自己测试。

编辑以使其更清晰。这对您有用吗？如果你测试它并发现它有用，你可以投票表决或者接受答案。