Ersetzen Sie einige Zeilen einer Variablen in Tensorflow mit boolescher Maske und Indexliste

Question

Ich bin ein k-Mittel auf der Kugel, ausgehend von @ dga gist. Die Unit-Norm-Constraint bedeutet im Wesentlichen die Verwendung von inneren Produkten anstelle von paarweisen Distanzen unter Verwendung von argmax anstelle von argmin und Summe + Normalisierung anstelle der Mittelwertbildung, um die Schwerpunkte zu aktualisieren.

Jetzt versuche ich tote Zentroide durch die am wenigsten gut vertretenen Datenpunkte zu ersetzen. unsorted_segment_sum wird eine Summe von 0 für tot Centroide zurück:

total = tf.unsorted_segment_sum(points, best_centroids, K) 

Daraus ich eine boolean Maske von toten Centroide erhalten:

deads = tf.equal(total, 0) 

... eine Zählung der Toten Centroide:

dead_count = tf.reduce_sum(tf.as_type(deads, 'int64')) 

... und schließlich eine Liste mit den Indizes der Datenpunkte, die vom aktuellen Modell am schlechtesten dargestellt werden:

_, dead_replacement_idx = tf.nn.top_k(-assignment_qualities, 
             k=dead_count, sorted=False) 

Wie kann ich die toten Zentroide ersetzen? In numpy würde dies nun kommen dazu etwa:

means[deads] = points[dead_replacement_idx] 

Wie kann ich etwas ähnliches in Tensorflow tun?

Answer 1

Wenn Sie Ihre Mittel speichern in Variables können Sie verwenden scatter_update

tf.reset_default_graph() 

means = tf.Variable(np.array([[1,1],[2,2],[3,3]]), dtype=np.float32) 
indices = tf.constant([0, 2]) 
new_mean = tf.constant([-1, -1], dtype=np.float32) 

new_mean_matrix = tf.reshape(new_mean, [1, -1]) 
tile_shape = tf.pack([tf.size(indices), 1]) 
new_mean_matrix_tiled = tf.tile(new_mean_matrix, tile_shape) 
update_op = tf.scatter_update(means, indices, new_mean_matrix_tiled) 

sess = tf.InteractiveSession() 
sess.run(tf.initialize_all_variables()) 
print "Before update" 
print sess.run(means) 
print "Updating rows", indices.eval(), "to", new_mean.eval() 
sess.run(update_op) 
print "After update" 
print sess.run(means) 

Ergebnis

Before update 
[[ 1. 1.] 
[ 2. 2.] 
[ 3. 3.]] 
Updating rows [0 2] to [-1. -1.] 
After update 
[[-1. -1.] 
[ 2. 2.] 
[-1. -1.]]