Python 求特定指数张量的最大值。（Bi LSTM最大实现）

我正在尝试实现BiLSTM Max，如以下文章所述：

我正在使用Tensorflow进行实现。我从一个原始的LSTM代码开始，但已经成功地进行了修改，使它可以使用动态长度输入和双向（即动态Bi LSTM）运行

接下来将其修改为Bi LSTM Max，我替换了使用最后一个输出，并按如下所示在n_步骤中查找最大值：

# Bi-LSTM, returns output of shape [n_step, batch_size, n_input]
outputs = tf.contrib.rnn.static_bidirectional_rnn(lstm_fw_cell, lstm_bw_cell, x,dtype=tf.float32)
# Change output back to [batch_size, n_step, n_input]
outputs = tf.transpose(tf.stack(outputs), [1, 0, 2])
# Retrieve the max output across n_steps
outputs = tf.reduce_max(outputs, reduction_indices=[1])

当我在n_步数维度上取最大值时，我假设那些索引>seqlen是0，因此我可以在整个维度上取最大值，而不是从0到seqlen取最大值。仔细检查后，我意识到，由于随机初始化，未分配索引的值可能不是零，也可能只是内存中最后分配的值

---

这个操作在python数组中很简单，但是，对于张量操作，我找不到一个简单的方法。有人对此有想法吗

最简单的方法可能是手动将无效输出设置为零或零-∞ 在找到最大值之前。您可以非常轻松地使用和：

---

可能最简单的方法是手动将无效输出设置为零或零-∞ 在找到最大值之前。您可以非常轻松地使用和：

---

好主意！它现在似乎起作用了。但是我不得不添加一些小的修改来将它从2D扩展到3D<代码>序列掩码=tf.tile（序列掩码，[1，n\u输入]）序列掩码=tf.reformate（序列掩码，[-1，n\u输入，序列最大长度]）序列掩码=tf.transpose（序列掩码，[0，2，1]）非常感谢！好主意！它现在似乎起作用了。但是我不得不添加一些小的修改来将它从2D扩展到3D<代码>序列掩码=tf.tile（序列掩码，[1，n\u输入]）序列掩码=tf.reformate（序列掩码，[-1，n\u输入，序列最大长度]）序列掩码=tf.transpose（序列掩码，[0，2，1]）非常感谢！

# Bi-LSTM, returns output of shape [n_step, batch_size, n_input]
outputs = tf.contrib.rnn.static_bidirectional_rnn(lstm_fw_cell, lstm_bw_cell, x,dtype=tf.float32)
# Change output back to [batch_size, n_step, n_input]
outputs = tf.transpose(tf.stack(outputs), [1, 0, 2])
# Retrieve the max output across n_steps
outputs = tf.reduce_max(outputs, reduction_indices=[1])

seq_mask = tf.sequence_mask(seqlen, seq_max_len)
# You can also use e.g. -np.inf * tf.ones_like(outputs)
outputs_masked = tf.where(seq_mask, outputs, tf.zeros_like(outputs))
outputs = tf.reduce_max(outputs, axis=1)  # axis is preferred to reduction_indices