如何计算tensorflow中某个阈值以上元素的平均值

Question

我想计算大于固定阈值(此处为0.8(的元素的平均值。

numpy中的任务：

X = np.array([[0.11,0.99,0.70]])
print(np.nanmean(X[X>0.8]))
Out : 0.99

在不将张量c转换为numpy数组的情况下，张量流中的等价物是什么？

示例：

c = tf.constant([[0.11,0.99,0.70]])
tf.reduce_mean(tf.where(tf.greater(c,(tf.constant(0.8, dtype=tf.float32)))))

输出等于0！

Output : <tf.Tensor: shape=(), dtype=int64, numpy=0>

Answer 1

您不需要tf.greater和tf.where。

c = tf.constant([[0.11,0.99,0.70]])
# Or : tf.reduce_mean(c[c > 0.8])
tf.reduce_mean(c[c > tf.constant(0.8, dtype=tf.float32)])

您可以使用tf.boolean_mask作为替代方案：

c = tf.constant([[0.11,0.99,0.70]])
mask = c > 0.8
tf.reduce_mean(tf.boolean_mask(tensor, mask))

输出：<tf.Tensor: shape=(), dtype=float32, numpy=0.99>

Answer 2

您也可以使用boolean_mask而不是张量索引：

c = tf.constant([[0.11,0.99,0.70]])
tf.reduce_mean(tf.boolean_mask(c, c > 0.8))

<tf.Tensor: shape=(), dtype=float32, numpy=0.99>