machine-learning - 如何替换张量中的值？

Question

我将图像读取为张量对象，其目的是作为掩模。

现在，我想用 0 替换接近白色(几乎 1.0)的值和灰色到 1 的值。

那么这个掩码对于我的机器学习任务来说是正确的。

我已经尝试过:

tf.where(imag >= 1.0) 

或者下一个函数也返回索引

greater = tf.greater_equal(mask, 0.95)

但是如何更新/分配0呢？ scatter_nd_add 对我不起作用。

mask = tf.scatter_nd_add(mask, greater, 0)

<小时/>

编辑:

我尝试了不同的方法:

v_mask = tf.Variable(tf.shape(mask))
ind = tf.to_float(mask >= 0.0)
v_mask.assign(ind)

但是如果我运行 session 。它停在那里并且不会继续。

我真正想做的事:我有一个尺寸为(mxnx1，张量，float32)的灰色图像，并且值被重新调整为从 [0,255] 到 [0,1]。

我想用 0 替换所有白色 (1) 值，用 1 替换灰色 (0.45 - 0.55) 值，其余值应该是未定义的。

Answer 1

要对图像进行阈值处理，您可以使用:

thim = tf.tofloat(im >= 0.95) # or to whichever type you use

要将结果重新分配给 im，假设它是一个变量:

im_update = im.assign(thim)

这为您提供了一个更新操作，您需要调用该操作才能进行更新。

如果 im 不是变量，则无法为其重新赋值。但一般来说，真正需要为节点重新分配值的情况很少见。