完全卷积网络的每像素softmax

我试图实现类似完全卷积网络的东西，最后的卷积层使用过滤器大小1x1并输出“分数”张量。 得分张量具有形状[批次，高度，宽度，num_classes]。

我的问题是，tensorflow中的什么函数可以为每个像素应用softmax操作，而与其他像素无关。 tf.nn.softmax操作似乎不是为了这样的目的。

如果没有这样的操作，我想我必须自己写一个。

谢谢！

更新：如果我必须实现自己，我想我可能需要将输入张量重塑为[N，num_claees]，其中N = Batch x width x height，然后应用tf.nn.softmax，然后重新整形。 是否有意义？

---

重塑它到2d，然后重新塑造它，就像你猜测的那样，是正确的方法。

---

你可以使用这个功能。

我通过从GitHub搜索找到它。

import tensorflow as tf

"""
Multi dimensional softmax,
refer to https://github.com/tensorflow/tensorflow/issues/210
compute softmax along the dimension of target
the native softmax only supports batch_size x dimension
"""
def softmax(target, axis, name=None):
    with tf.name_scope(name, 'softmax', values=[target]):
        max_axis = tf.reduce_max(target, axis, keep_dims=True)
        target_exp = tf.exp(target-max_axis)
        normalize = tf.reduce_sum(target_exp, axis, keep_dims=True)
        softmax = target_exp / normalize
        return softmax

链接地址: http://www.djcxy.com/p/91529.html

上一篇: Per pixel softmax for fully convolutional network

下一篇: How to set custom HTTP headers to requests made by a WKWebView