Griff Tensor in Schleife

Question

Ich habe eine Merkmalskarte und einige koordinieren
ich so etwas wie unten
Ernte tun möchten, die Daten von Merkmalskarte durch die Koordinaten
Dann tun argmax, concat (oder stack?)
Wie kann ich dies in Tensorflow tun?

# num_coor is Not fixed, but fixed is ok! 
# it defined before run 
num_coor = 4 
feature_map = np.transpose(np.reshape(np.arange(100*100*3), (3, 100, 100)), [1, 2, 0]) 
x_coor = np.array([[0, 20, 40, 60], 
        [15, 35, 55, 75]]) # shape(?, num_coor) 
y_coor = np.array([[0, 20, 40, 60], 
        [15, 35, 55, 75]]) # shape(?, num_coor) 
crop = [] 

for batch in xrange(x_coor.shape[0]): 
    temp1 = [] 
    for i in xrange(num_coor - 1): 
     temp2 = [] 
     for j in xrange(num_coor - 1): 
      x1 = x_coor[batch, j] 
      y1 = y_coor[batch, i] 
      x2 = x_coor[batch, j + 1] 
      y2 = y_coor[batch, i + 1] 

      # slice by coordinate and len(slice_map) is depth 
      slice_map = [feature_map[x1:x2, y1:y2, c] for c in xrange(feature_map.shape[2])] 
      resmax = [np.amax(slice_map[c]) for c in xrange(len(slice_map))] 
      resmax = np.reshape(np.array(resmax), (1, 1, feature_map.shape[2])) 
      temp2.append(resmax) 
     temp1.append(np.vstack(temp2)) 
    temp_arr = np.concatenate(temp1, axis=1) 
    crop.append(np.array(temp_arr)) 

crop = np.array(crop) # (2, 3, 3, 3) 

Vier in x-Koordinate, y 9 Behälter bilden kann Ich mag so max Pool in jedem Fach und jeden Kanal tun, dass ich Pool Ergebnis zu bekommen, ist Form (2, 3, 3, 3) # (2, h, w, c) in diesem Fall

ich glaube, ich tf.while_loop können diese
zu tun, aber ich weiß nicht, wie externe Tensor zuzugreifen und geben das Ergebnis
habe ich eine kleine Test, scheint es greift nicht auf externe Tensor

i = tf.constant(0) 
first_coor = x_coor[i, :] 
while_cond = lambda i, _: tf.less(i, 5) 

def body(i, the_coor): 
    # print every loop 
    i = i + 1 
    i = tf.Print(i, [i], 'i is :') 
    i = i + 0 

    # Never print!! 
    coor = x_coor 
    coor = tf.Print(coor, [coor], 'coor is :') 
    coor = coor + 0 

    # print every loop 
    the_coor = tf.Print(the_coor, [the_coor], 'the_coor is :') 
    the_coor = the_coor + 0 
    return i, the_coor 

r = tf.while_loop(while_cond, body, [i, first_coor]) 

Answer 1

Ich glaube, Sie nur ein regelmäßiges for-Schleife in diesem Fall verwenden (beachten Sie, wie das Lambda der Lage war, einen externen Tensor zuzugreifen, feature_map in diesem Fall):

batch_feature_map_max_fn = lambda xy : tf.reduce_max(feature_map[xy[0]:xy[1], xy[2]:xy[3], -1]) 

crop = [] 
for j in range(num_coor-1): 
    x1 = x_coor[:, j] 
    x2 = x_coor[:, j+1] 
    y1 = y_coor[:, j] 
    y2 = y_coor[:, j+1] 

    temp = tf.map_fn(fn, [x1,x2,y1,y2], dtype=tf.float32) 

    crop.append(temp) 

crop = tf.pack(crop, axis=1) 

Was die tf.while_loop, ich glaube, Sie in der Lage sein werden, alle Tensoren zuzugreifen, die Sie in dem loop_vars Argumente übergeben werden. Sie können die zusätzlichen Tensoren einfach ohne Änderungen zurückgeben. Ich bin mir nicht sicher, ist in diesem Fall wirklich geeignet.