tf.where(tensor)

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接： https://blog.csdn.net/weixin_38145317/article/details/100543738

最近再看retinanet的keras代码,看到focal loss中有这个的用法,记录下来

先看其一般用法

1.tf.where(tensor)

tensor为一个bool型张量,where函数将返回其中为true的元素的索引,

import tensorflow as tf
import numpy as np
sess=tf.Session()
a=np.array([[1,0,0],[0,1,1]])
print(sess.run(tf.where(tf.equal(a,1))))#返回a中元素=1的那些元素的索引值a[0,0],a[1,1],a[1,2]
#[[0 0] 
 # [1 1]
 # [1 2]]

2. tf.where(tensor,a,b)

a,b为和tensor相同维度的tensor,将tensor中的true位置元素替换为a中对应位置元素,false的替换为b中对应位置元素.例子

import tensorflow as tf
import numpy as np
sess=tf.Session()

a=np.array([[1,0,0],[0,1,1]])
a1=np.array([[3,2,3],[4,5,6]])

print(sess.run(tf.equal(a,1)))#[[ True False False]
                              # [False  True  True]]
print(sess.run(tf.where(tf.equal(a,1),a1,1-a1)))
#[[ 3 -1 -2]
 # [-3  5  6]]

应用场景,retinanet的focal loss

alpha_factor = keras.backend.ones_like(labels) * alpha
alpha_factor = backend.where(keras.backend.equal(labels, 1), alpha_factor, 1 - alpha_factor)

实现了什么呢

import tensorflow as tf
import keras
sess=tf.Session()
labels=[[1],[0]]
alpha=0.25
alpha_factor = [[alpha], [alpha]]
b=[[1-alpha], [1-alpha]]
alpha_factor = tf.where(keras.backend.equal(labels, 1), alpha_factor, b)
print(sess.run(alpha_factor))#[[ 0.25]
                            # [ 0.75]]