質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.19%

Tensorflowで各バッチで最大の平均値を持つ特徴マップを取り出したい

受付中

回答 0

投稿

  • 評価
  • クリップ 0
  • VIEW 453

Yhaya

score 304

環境

  • Ubuntu 18.04
  • Python 3.6.8
  • tensorflow 1.12.0

実現したいこと

テンソル(None, 7, 7, 10)があるような状況です。このテンソルに対して

  • 最初のバッチのデータの10枚の特徴マップから、特徴マップ(7 x 7)の平均値が最も大きいものを取り出す
  • 2枚目以降のバッチでも同じことをする
  • それらをstackして(None, 7, 7)のテンソルを作る

ということを実現したいです。

これまでやったこと

以下が該当部分のレイヤーを定義している部分です。

class Adversarial(tf.keras.layers.Layer):
    def __init__(self, batch_size, threshold):
        super(Adversarial, self).__init__(self)
        self.batch_size = batch_size
        self.threshold = threshold    # この変数は質問とは関係ないので無視してください

    def call(self, inputs, **kwargs):
        vgg_end, interm, branchA_end = inputs  # (?, 7, 7, 512), (?, 7, 7, 10), (?, 10)
        max_idx = tf.argmax(branchA_end, axis=1)

        tmp = []

        for bt in range(self.batch_size):
            try:
                a = tf.reshape(interm[bt, :, :, max_idx[bt]], [7, 7, 1])
                each = tf.tile(a, [1, 1, 512])

                tmp.append(each)
            except:
                break

        # ここから下は質問とは直接関係ない
        tmp = tf.stack(tmp)
        tmp = tf.where(tmp > self.threshold, tmp, tmp * 0)

        adv = tf.subtract(vgg_end, tmp)

        return adv

この質問では、vgg_endは関係ないので無視してください。特徴マップを取り出したいテンソルがintermで、branchA_endintermでグローバルアベレージプーリングを取って(None, 10)の大きさにしたものです。

max_idxで、各バッチで何番目の特徴量マップの平均値が一番大きいかのテンソルを計算しています。

今詰まっているのはfor bt in range(self.batch_size):の部分で、バッチサイズをハードコードしてしまっているために、実際の訓練のときに、各エポックの最後で、バッチサイズが指定したものとずれてしまう場合にエラーが出てしまいます(例えばデータ数が350でバッチサイズを20にすると、最後のバッチだけデータの個数の都合上10になってしまう)。

2019-07-27 15:50:43.277805: W tensorflow/core/framework/op_kernel.cc:1273] OP_REQUIRES failed at strided_slice_op.cc:106 : Invalid argument: slice index 4 of dimension 0 out of bounds.
Traceback (most recent call last):
  File "train.py", line 67, in <module>
    train(parser)
  File "train.py", line 60, in train
    use_multiprocessing=True,
  File "/home/yudai/.conda/envs/tf-gpu/lib/python3.6/site-packages/tensorflow/python/keras/engine/training.py", line 2177, in fit_generator
    initial_epoch=initial_epoch)
  File "/home/yudai/.conda/envs/tf-gpu/lib/python3.6/site-packages/tensorflow/python/keras/engine/training_generator.py", line 176, in fit_generator
    x, y, sample_weight=sample_weight, class_weight=class_weight)
  File "/home/yudai/.conda/envs/tf-gpu/lib/python3.6/site-packages/tensorflow/python/keras/engine/training.py", line 1932, in train_on_batch
    self, x, y, sample_weights=sample_weights)
  File "/home/yudai/.conda/envs/tf-gpu/lib/python3.6/site-packages/tensorflow/python/keras/engine/training_eager.py", line 556, in train_on_batch
    model, inputs, targets, sample_weights=sample_weights, training=True)
  File "/home/yudai/.conda/envs/tf-gpu/lib/python3.6/site-packages/tensorflow/python/keras/engine/training_eager.py", line 511, in _process_single_batch
    training=training)
  File "/home/yudai/.conda/envs/tf-gpu/lib/python3.6/site-packages/tensorflow/python/keras/engine/training_eager.py", line 90, in _model_loss
    outs, masks = model._call_and_compute_mask(inputs, **kwargs)
  File "/home/yudai/.conda/envs/tf-gpu/lib/python3.6/site-packages/tensorflow/python/keras/engine/network.py", line 856, in _call_and_compute_mask
    mask=masks)
  File "/home/yudai/.conda/envs/tf-gpu/lib/python3.6/site-packages/tensorflow/python/keras/engine/network.py", line 1052, in _run_internal_graph
    output_tensors = layer.call(computed_tensors, **kwargs)
  File "/home/yudai/Documents/Python/MachineLearning/ML_models/ACoL/model.py", line 49, in call
    a = tf.reshape(interm[bt, :, :, max_idx[bt]], [7, 7, 1])
  File "/home/yudai/.conda/envs/tf-gpu/lib/python3.6/site-packages/tensorflow/python/ops/array_ops.py", line 525, in _slice_helper
    name=name)
  File "/home/yudai/.conda/envs/tf-gpu/lib/python3.6/site-packages/tensorflow/python/ops/array_ops.py", line 691, in strided_slice
    shrink_axis_mask=shrink_axis_mask)
  File "/home/yudai/.conda/envs/tf-gpu/lib/python3.6/site-packages/tensorflow/python/ops/gen_array_ops.py", line 8556, in strided_slice
    _six.raise_from(_core._status_to_exception(e.code, message), None)
  File "<string>", line 3, in raise_from
tensorflow.python.framework.errors_impl.InvalidArgumentError: slice index 4 of dimension 0 out of bounds. [Op:StridedSlice] name: adversarial/strided_slice/

これを解消するにはどのように書き換えればよいでしょうか?

よろしくお願いします。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

まだ回答がついていません

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.19%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる