Tensorflow 2.x –具有周围单元格平均值的张量

如何解决Tensorflow 2.x –具有周围单元格平均值的张量

我正在尝试在Tensorflow 2.x中编写自定义损失函数，以鼓励在输出空间（2D矩阵）中实现渐变。因此，作为损失函数的一个组成部分，我想获取一个Tensor并返回一个Tensor，其中每个像元代表原始张量中相应相邻像元的平均值。

例如，取左上方的单元格：6.3 =（7 + 9 + 3）/ 3。或取中间格：4.5 =（1 + 3 + 5 + 7 + 8 + 6 + 4 + 2）/ 8。

考虑以下代码：

def gradient_encouraging_loss(y_true: Tensor,y_pred: Tensor) -> Tensor:
    gradient_loss: Tensor = tf.divide(tf.reduce_sum(tf.abs(tf.subtract(
        y_pred,tensor_harmonic(y_pred)
    ))),tf.cast(tf.size(y_pred),tf.float32))

    return gradient_loss

我将如何实施tensor_harmonic()？ y_pred的形状为(None,X,Y)，其中X和Y是输出矩阵尺寸。

解决方法

大多数情况下，您都可以使用2D卷积运算来完成此操作，但是随后您需要特别注意外部值。这是您的操作方法：

import tensorflow as tf

def surround_average(x):
    x = tf.convert_to_tensor(x)
    dt = x.dtype
    # Compute surround sum
    filter = tf.constant([[1,1,1],[1,1]],dtype=dt)
    x2 = x[tf.newaxis,:,tf.newaxis]
    filter2 = filter[:,tf.newaxis,tf.newaxis]
    y2 = tf.nn.conv2d(x2,filter2,strides=1,padding='SAME')
    y = y2[0,0]
    # Make matrix of number of surrounding elements
    s = tf.shape(x)
    d = tf.fill(s - 2,tf.constant(8,dtype=dt))
    d = tf.pad(d,[[0,0],constant_values=5)
    top_row = tf.concat([[3],tf.fill([s[1] - 2],tf.constant(5,dtype=dt)),[3]],axis=0)
    d = tf.concat([[top_row],d,[top_row]],axis=0)
    # Return average
    return y / d

# Test
x = tf.reshape(tf.range(24.),(4,6))
print(x.numpy())
# [[ 0.  1.  2.  3.  4.  5.]
#  [ 6.  7.  8.  9. 10. 11.]
#  [12. 13. 14. 15. 16. 17.]
#  [18. 19. 20. 21. 22. 23.]]
print(surround_average(x).numpy())
# [[ 4.6666665  4.6        5.6        6.6        7.6        8.333333 ]
#  [ 6.6        7.         8.         9.        10.        10.4      ]
#  [12.6       13.        14.        15.        16.        16.4      ]
#  [14.666667  15.4       16.4       17.4       18.4       18.333334 ]]

编辑：上面的代码可以进行一些小的改动即可用于批次矩阵：

import tensorflow as tf

def surround_average_batch(x):
    x = tf.convert_to_tensor(x)
    dt = x.dtype
    # Compute surround sum
    filter = tf.constant([[1,dtype=dt)
    x2 = tf.expand_dims(x,axis=-1)
    filter2 = filter[:,padding='SAME')
    y = tf.squeeze(y2,axis=-1)
    # Make matrix of number of surrounding elements
    s = tf.shape(x)
    d = tf.fill(s[1:] - 2,tf.fill([s[2] - 2],(2,4,3))
print(x.numpy())
# [[[ 0.  1.  2.]
#   [ 3.  4.  5.]
#   [ 6.  7.  8.]
#   [ 9. 10. 11.]]
# 
#  [[12. 13. 14.]
#   [15. 16. 17.]
#   [18. 19. 20.]
#   [21. 22. 23.]]]
print(surround_average_batch(x).numpy())
# [[[ 2.6666667  2.8        3.3333333]
#   [ 3.6        4.         4.4      ]
#   [ 6.6        7.         7.4      ]
#   [ 7.6666665  8.2        8.333333 ]]
# 
#  [[14.666667  14.8       15.333333 ]
#   [15.6       16.        16.4      ]
#   [18.6       19.        19.4      ]
#   [19.666666  20.2       20.333334 ]]]