python - 给定位置 (X,Y) 沿第三轴 (Z) 更新 Rank3 tensorflow 张量中的切片

Question

我正在尝试使用 Tensorflow 1.9.0 重新实现以下函数(用 numpy 编写)。

def lateral_inhibition2(conv_spikes,SpikesPerNeuronAllowed):
    vbn = np.where(SpikesPerNeuronAllowed==0)
    conv_spikes[vbn[0],vbn[1],:]=0 
    return conv_spikes

conv_spikes 是等级 3 的二进制张量，SpikesPerNeuronAllowed 是等级 2 的张量。 conv_spikes 是一个变量，指示特定位置中的神经元是否已尖峰(如果该位置包含 1 且 0 表示该位置中的神经元)还没有飙升。 SpikesPerNeuronAllowed 变量指示是否允许沿 Z 轴的 X-Y 位置的所有神经元出现尖峰。 SpikesPerNeuronAllowed 中的 1 表示位于 conv_spikes 中相应 X-Y 位置以及沿 Z 轴允许尖峰。 0 表示位于 conv_spikes 中相应 X-Y 位置以及沿 Z 轴的神经元不允许出现尖峰.

conv_spikes2 = (np.random.rand(5,5,3)>=0.5).astype(np.int16)
temp2 = np.random.choice([0, 1], size=(25,), p=[3./4, 1./4])
SpikesPerNeuronAllowed2 = temp2.reshape(5,5)
print(conv_spikes2[:,:,0])
print
print(conv_spikes2[:,:,1])
print
print(conv_spikes2[:,:,2])
print
print(SpikesPerNeuronAllowed2)

产生以下输出

##First slice of conv_spikes across Z-axis
[[0 0 1 1 1]
 [1 0 0 1 1]
 [1 0 1 1 0]
 [0 1 0 1 1]
 [0 1 0 0 0]]
##Second slice of conv_spikes across Z-axis
[[0 0 1 0 0]
 [0 0 1 0 1]
 [0 0 1 1 1]
 [0 0 0 1 0]
 [1 1 1 1 1]]
##Third slice of conv_spikes across Z-axis
[[0 1 1 0 0]
 [0 0 1 0 0]
 [0 1 1 0 0]
 [0 0 0 1 0]
 [1 0 1 1 1]]
##SpikesPerNeuronAllowed2
[[0 0 0 0 1]
 [0 0 0 0 0]
 [0 0 0 0 0]
 [1 1 0 0 0]
 [0 0 0 1 0]]

现在，当函数被调用时

conv_spikes2 = lateral_inhibition2(conv_spikes2,SpikesPerNeuronAllowed2)
print(conv_spikes2[:,:,0])
print
print(conv_spikes2[:,:,1])
print
print(conv_spikes2[:,:,2])

产生以下输出

##First slice of conv_spikes across Z-axis
[[0 0 0 0 1]
 [0 0 0 0 0]
 [0 0 0 0 0]
 [0 1 0 0 0]
 [0 0 0 0 0]]
##Second slice of conv_spikes across Z-axis
[[0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 0 1 0]]
##Third slice of conv_spikes across Z-axis
[[0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 0 1 0]]

我尝试在 Tensorflow 中重复相同的操作，如下所示

conv_spikes_tf = tf.Variable((np.random.rand(5,5,3)>=0.5).astype(np.int16))
a_placeholder = tf.placeholder(tf.float32,shape=(5,5))
b_placeholder = tf.placeholder(tf.float32)
inter2 = tf.where(tf.equal(a_placeholder,b_placeholder))
output= sess.run(inter2,feed_dict{a_placeholder:SpikesPerNeuronAllowed2,b_placeholder:0})
print(output)

产生以下输出

[[0 0]
 [0 1]
 [0 2]
 [0 3]
 [1 0]
 [1 1]
 [1 2]
 [1 3]
 [1 4]
 [2 0]
 [2 1]
 [2 2]
 [2 3]
 [2 4]
 [3 2]
 [3 3]
 [3 4]
 [4 0]
 [4 1]
 [4 2]
 [4 4]]

我尝试使用以下代码更新 conv_spikes_tf 会导致错误，我尝试阅读 scatter_nd_update 手册，但我认为我不太理解。

update = tf.scatter_nd_update(conv_spikes_tf, output, np.zeros(output.shape[0]))
sess.run(update)

ValueError: The inner 1 dimensions of input.shape=[5,5,3] must match the inner 1 dimensions of updates.shape=[21,2]: Dimension 0 in both shapes must be equal, but are 3 and 2. Shapes are [3] and [2]. for 'ScatterNdUpdate_8' (op: 'ScatterNdUpdate') with input shapes: [5,5,3], [21,2], [21,2].

我不明白该错误消息，特别是 inner 1 维度 是什么意思，以及如何使用 tensorflow 实现上述 numpy 功能？

Answer 1

tf.scatter_nd_update中updates的最后一个dim应该是3，它等于ref的最后一个dim。

update = tf.scatter_nd_update(conv_spikes_tf, output, np.zeros(output.shape[0], 3))

如果我理解正确，您希望将 SpikesPerNeuronAllowed2(mask) 应用于 conv_spikes。一种更简单的方法是将 conv_spikes reshape 为 (3,5,5) 并乘以 SpikesPerNeuronAllowed2。

我使用一个常量示例来展示结果。您也可以将其更改为 tf.Variable。

conv = (np.random.rand(3,5,5)>=0.5).astype(np.int32)
tmp = np.random.choice([0, 1], size=(25,), p=[3./4, 1./4])
mask = tmp.reshape(5,5)
# array([[[1, 1, 0, 0, 0],
#         [0, 1, 0, 0, 1],
#         [0, 1, 0, 0, 1],
#         [1, 0, 0, 0, 1],
#         [1, 0, 0, 1, 0]],

#        [[1, 0, 0, 0, 1],
#         [1, 0, 1, 1, 1],
#         [0, 0, 1, 0, 1],
#         [0, 0, 0, 1, 1],
#         [0, 0, 0, 1, 1]],

#        [[0, 0, 0, 1, 0],
#         [0, 1, 1, 0, 1],
#         [0, 1, 1, 0, 1],
#         [1, 1, 1, 1, 0],
#         [1, 1, 1, 0, 1]]], dtype=int32)

# array([[0, 0, 0, 1, 1],
#        [0, 0, 0, 1, 0],
#        [0, 0, 0, 0, 0],
#        [0, 1, 0, 1, 0],
#        [0, 0, 1, 0, 1]])
tf_conv = tf.constant(conv, dtype=tf.int32)
tf_mask = tf.constant(mask, dtype=tf.int32)
res = tf_conv * tf_mask
sess = tf.InteractiveSession()
sess.run(res)
# array([[[0, 0, 0, 0, 0],
#         [0, 0, 0, 0, 0],
#         [0, 0, 0, 0, 0],
#         [0, 0, 0, 0, 0],
#         [0, 0, 0, 0, 0]],

#        [[0, 0, 0, 0, 1],
#         [0, 0, 0, 1, 0],
#         [0, 0, 0, 0, 0],
#         [0, 0, 0, 1, 0],
#         [0, 0, 0, 0, 1]],

#        [[0, 0, 0, 1, 0],
#         [0, 0, 0, 0, 0],
#         [0, 0, 0, 0, 0],
#         [0, 1, 0, 1, 0],
#         [0, 0, 1, 0, 1]]], dtype=int32)