来自tf.nn.max_pool_with_argmax tensorflow的argmax的用法

Question

我正在尝试使用tf.nn.max_pool_with_argmax()的argmax结果来索引另一个张量。为了简单起见，假设我正在尝试实现以下内容：

output, argmax = tf.nn.max_pool_with_argmax(input, ksize, strides, padding)
tf.assert_equal(input[argmax],output)

现在我的问题是，我如何实现必要的索引操作input[argmax]来实现预期的结果？我猜这涉及到tf.gather_nd()和相关调用的一些用法，但我搞不清楚。如果有必要，我们可以假设输入具有[BatchSize, Height, Width, Channel]维度。

感谢您的帮助！

垫子

Answer 1

我找到了一个使用tf.gather_nd的解决方案，它很有效，尽管它看起来不是那么优雅。我使用了发布为here的函数unravel_argmax。

def unravel_argmax(argmax, shape):
    output_list = []
    output_list.append(argmax // (shape[2] * shape[3]))
    output_list.append(argmax % (shape[2] * shape[3]) // shape[3])
    return tf.stack(output_list)

def max_pool(input, ksize, strides,padding):
    output, arg_max = tf.nn.max_pool_with_argmax(input=input,ksize=ksize,strides=strides,padding=padding)
    shape = input.get_shape()
    arg_max = tf.cast(arg_max,tf.int32)
    unraveld = unravel_argmax(arg_max,shape)
    indices = tf.transpose(unraveld,(1,2,3,4,0))
    channels = shape[-1]
    bs = tf.shape(iv.m)[0]
    t1 = tf.range(channels,dtype=arg_max.dtype)[None, None, None, :, None]
    t2 = tf.tile(t1,multiples=(bs,) + tuple(indices.get_shape()[1:-2]) + (1,1))
    t3 = tf.concat((indices,t2),axis=-1)
    t4 = tf.range(tf.cast(bs, dtype=arg_max.dtype))
    t5 = tf.tile(t4[:,None,None,None,None],(1,) + tuple(indices.get_shape()[1:-2].as_list()) + (channels,1))
    t6 = tf.concat((t5, t3), -1)    
    return tf.gather_nd(input,t6) 

如果有人有更好的解决方案，我仍然很想知道。

垫子

Answer 2

这一小段代码可以工作：

def get_results(data,other_tensor):
    pooled_data, indices = tf.nn.max_pool_with_argmax(data,ksize=[1,ksize,ksize,1],strides=[1,stride,stride,1],padding='VALID',include_batch_in_index=True)
    b,w,h,c = other_tensor.get_shape.as_list()
    other_tensor_pooled = tf.gather(tf.reshape(other_tensor,shape= [b*w*h*c,]),indices)
    return other_tensor_pooled

上面的indices可以用来索引张量。这个函数实际上返回扁平化的索引，要将它与batch_size > 1一起使用，需要将include_batch_in_index作为True传递，以便获得正确的结果。我在这里假设您的批处理大小与data.相同

Answer 3

我是这样做的：

def max_pool(input, ksize, strides,padding):
    output, arg_max = tf.nn.max_pool_with_argmax(input=input,ksize=ksize,strides=strides,padding=padding)
    shape=tf.shape(output)
    output1=tf.reshape(tf.gather(tf.reshape(input,[-1]),arg_max),shape)

    err=tf.reduce_sum(tf.square(tf.subtract(output,output1)))
    return output1, err