問題是：
我有一個張量，在這個張量上我找到了 k_top 元素，如果元素不是 k_top，我用 0 創建一個掩碼，否則為 1，然后我將原始張量與掩碼相乘，創建 tensor_masked。之后我計算張量的平均值。
現在的問題是我想回傳一個新的張量，其中只有 k_top 的元素等于平均值??（如果起始張量內的原始值為負，則為 -average，否則為 average）
我該怎么做？
這是現在的代碼：
def stc_compression(tensor, sparsification_rate):
mask = tf.cast(tf.abs(tensor) >= tf.math.top_k(tf.abs(tensor), sparsification_rate)[0][-1], tf.float32)
tensor_masked = tf.multiply(tensor, mask)
average = tf.reduce_mean(tf.abs(tensor_masked)) / sparsification_rate
return compressed_tensor
在那之后，有沒有可能的方法來優化這個程序？
uj5u.com熱心網友回復：
如果要計算 tensor_masked 絕對值的平均值，請使用
tf.reduce_mean(tf.abs(tensor_masked))
如果要計算應使用的前 k 個值的絕對值的平均值
tf.reduce_sum(tf.abs(tensor_masked)) / sparsification_rate
然后要獲得具有正確符號的掩碼值，您可以使用 tf.sign 操作并使用另一個掩碼來替換被掩碼的值
def stc_compression(tensor, sparsification_rate):
mask = tf.cast(tf.abs(tensor) >= tf.math.top_k(tf.abs(tensor), sparsification_rate)[0][-1], tf.float32)
inv_mask = tf.cast(tf.abs(tensor) < tf.math.top_k(tf.abs(tensor), sparsification_rate)[0][-1], tf.float32)
tensor_masked = tf.multiply(tensor, mask)
average = tf.reduce_sum(tf.abs(tensor_masked)) / sparsification_rate
compressed_tensor = tf.add( tf.multiply(average, mask) * tf.sign(tensor), tf.multiply(tensor, inv_mask))
return compressed_tensor
如果我誤解了你的問題，請告訴我。
轉載請註明出處，本文鏈接：https://www.uj5u.com/qianduan/318296.html
上一篇：為自定義損失函式分配張量物件
下一篇：加載KerasClassifier后，在運行predict()時出現錯誤“KerasClassifier”物件沒有屬性“classes_”