我想为我的模型创建一个新的评估指标（均值）。
假设我有：logits形状为(None, n_class)的张量和
形状为y_target的(None, )张量，其中包含从int到0的n_class-1值。None是批次大小。
我希望我的输出是形状为(None, )的张量，并具有对应的y_target的倒数。
首先，我需要在logits中对元素进行排名，然后在索引y_target中获取元素的排名，最后，获取其倒数（或x + 1的倒数，具体取决于排名过程）。
一个简单的示例（用于单个观察）：
如果我的y_target=1和logits=[0.5, -2.0, 1.1, 3.5]，
那么排名是logits_rank=[3, 4, 2, 1]
倒数是1.0 / logits_rank[y_target] = 0.25。
这里的挑战是要在轴上应用一个函数，因为等级是未知的（在图形级别）。
我已经设法使用tf.nn.top_k(logits, k=n_class, sorted=True).indices取得了一些结果，但仅在session.run(sess, feed_dict)内。
任何帮助将不胜感激！
最佳答案
解决了！
def tf_get_rank_order(input, reciprocal):
"""
Returns a tensor of the rank of the input tensor's elements.
rank(highest element) = 1.
"""
assert isinstance(reciprocal, bool), 'reciprocal has to be bool'
size = tf.size(input)
indices_of_ranks = tf.nn.top_k(-input, k=size)[1]
indices_of_ranks = size - tf.nn.top_k(-indices_of_ranks, k=size)[1]
if reciprocal:
indices_of_ranks = tf.cast(indices_of_ranks, tf.float32)
indices_of_ranks = tf.map_fn(
lambda x: tf.reciprocal(x), indices_of_ranks,
dtype=tf.float32)
return indices_of_ranks
else:
return indices_of_ranks
def get_reciprocal_rank(logits, targets, reciprocal=True):
"""
Returns a tensor containing the (reciprocal) ranks
of the logits tensor (wrt the targets tensor).
The targets tensor should be a 'one hot' vector
(otherwise apply one_hot on targets, such that index_mask is a one_hot).
"""
function_to_map = lambda x: tf_get_rank_order(x, reciprocal=reciprocal)
ordered_array_dtype = tf.float32 if reciprocal is not None else tf.int32
ordered_array = tf.map_fn(function_to_map, logits,
dtype=ordered_array_dtype)
size = int(logits.shape[1])
index_mask = tf.reshape(
targets, [-1,size])
if reciprocal:
index_mask = tf.cast(index_mask, tf.float32)
return tf.reduce_sum(ordered_array * index_mask,1)
# use:
recip_rank = tf.reduce_mean(
get_reciprocal_rank(logits[-1],
y_,
True)