TensorFlow：沿轴的张量的最大值

Question

我的问题分为两个部分：

1. 如何计算沿张量的特定轴的最大值？例如，如果我有

   x = tf.constant([[1,220,55],[4,3,-1]])
   

我想要类似的东西

    x_max = tf.max(x, axis=1)
print sess.run(x_max)

output: [220,4]

我知道有atf.argmax和a tf.maximum，但是都没有沿单个张量的轴给出最大值。现在，我有一个解决方法：

    x_max = tf.slice(x, begin=[0,0], size=[-1,1])
for a in range(1,2):
    x_max = tf.maximum(x_max , tf.slice(x, begin=[0,a], size=[-1,1]))

但是它看起来并不理想。有一个更好的方法吗？

1. 给定argmax一个张量的索引，我如何使用这些索引索引到另一个张量？使用x上面的示例，我该如何执行以下操作：

   ind_max = tf.argmax(x, dimension=1)    #output is [1,0]
   

   y = tf.constant([[1,2,3], [6,5,4])
   y_ = y[:, ind_max] #y_ should be [2,6]
   

我知道切片，就像最后一行一样，在TensorFlow中还不存在（＃206）。

我的问题是： 对于我的特定情况（最好使用其他方法，例如，收集，选择等），最好的解决方法 是 什么？

附加信息：我知道x并且y仅将是二维张量！

Answer 1

该tf.reduce_max()运营商提供的正是这种功能。默认情况下，它计算给定张量的全局最大值，但您可以指定的列表reduction_indices，其含义与axisNumPy中的含义相同。要完成您的示例：

x = tf.constant([[1, 220, 55], [4, 3, -1]])
x_max = tf.reduce_max(x, reduction_indices=[1])
print sess.run(x_max)  # ==> "array([220,   4], dtype=int32)"

如果使用计算argmax
tf.argmax()，可以获取从不同的张量的值y通过压平y使用tf.reshape()，转换argmax索引到矢量索引如下，并使用tf.gather()以提取适当的值：

ind_max = tf.argmax(x, dimension=1)
y = tf.constant([[1, 2, 3], [6, 5, 4]])

flat_y = tf.reshape(y, [-1])  # Reshape to a vector.

# N.B. Handles 2-D case only.
flat_ind_max = ind_max + tf.cast(tf.range(tf.shape(y)[0]) * tf.shape(y)[1], tf.int64)

y_ = tf.gather(flat_y, flat_ind_max)

print sess.run(y_) # ==> "array([2, 6], dtype=int32)"