我有一个自定义损失函数，其中我想将值从基于一个热的编码更改为一定范围内的值，以计算IOU。
这段代码的一部分是看我在张量中哪里有一个1，其他地方有0。这里我用tf。Where返回位置。我有一个形状为[batch_size,S1,S2,12]的向量，我只关心最后一个维度，这就是为什么我取[…]，2]
现在它经常发生，我的预测是全零，因为我的背景事件没有任何值，而且我的网络会预测一个全零向量。这表示tf。Where将返回一个空张量。这就是为什么我想用K.switch来检查张量是否为空，因为如果是空的，我想要返回0。
现在的问题是k.s switch期望then else选项的形状具有相同的形状，但我需要我的输出具有shape [batch_size,S1,S2,1]。我试过不同的东西，但我不能得到这个工作。我需要得到形状[batch_size,S1,S2,1]的零，或者我需要wher_box1具有浮点数[batch_size,S1,S2,1]
现在实现的方式是，当where_box1_temp为空时，K.switch返回一个0的空向量，这不是我想要的。当我使用tf.zero ([batch_size,S1,S2,1])时，它会抱怨当where_box1_temp为空时条件的形状不同....
where_box1_temp = tf.where(y_pred[...,C+1:C+13])[...,2]
where_box1 = K.switch(tf.equal(tf.size(where_box1_temp),0) ,
tf.zeros_like(where_box1_temp) , where_box1_temp)
所以我找到了一个变通办法，也许这对别人有帮助:
where_box1_temp = tf.where(y_pred[...,C+1:C+13],[1,2,3,4,5,6,7,8,9,10,11,12],0)
where_box1 = tf.reshape(K.sum(where_box1_temp,axis=3),[batch_size,5,5])
这允许我有一个我想要的形状的张量，其中所有背景/零预测值都是0，而不必使用k.switch，也不会遇到任何空维度或类似的问题。