python之TensorFlow:获取非零张量中最小元素索引的有效方法

我使用 TensorFlow 1.12。我有一个一维张量 tag_mask_sizes，它主要包含零，但也包含一些正整数。如何有效地获取非零的最小元素的索引？我尝试了以下方法:

tag_mask_sizes_suppressed = tf.map_fn(lambda x: x if tf.not_equal(x, tf.constant(0, dtype=tf.uint8)) else 9999999, tag_mask_sizes) 
        smallest_mask_index = tf.argmin(tag_mask_sizes_suppressed) 

但是，tf.not_equal() 会产生一个 boolean 张量，我无法在 lambda 内的 if-else 条件下对其进行有效计算。还有其他像这样的优雅解决方案吗？

虽然我通常急切地执行，但这个问题发生在我在 tf.Dataset.map() 中使用的函数中，该函数并未急切地执行。

请您参考如下方法:

其实你的代码等价于下面的代码

tag_mask_sizes_suppressed = tf.where(tf.not_equal(tag_mask_sizes, 0),tag_mask_sizes,tag_mask_sizes+9999999) 
smallest_mask_index1 = tf.argmin(tag_mask_sizes_suppressed) 

矢量化方法将明显快于 tf.map_fn()。此外，还有一些矢量化方法可以得到一维张量中不为零的最小元素的索引。一个例子:

import tensorflow as tf 
# tf.enable_eager_execution() 
 
tag_mask_sizes = tf.constant([2,0,1,3,1,32,0,0,0], dtype=tf.int32) 
 
# approach 1, the disadvantage is that the maximum must be specified and only the first minimum can be found. 
tag_mask_sizes_suppressed = tf.where(tf.not_equal(tag_mask_sizes, 0),tag_mask_sizes,tag_mask_sizes+9999999) 
smallest_mask_index1 = tf.argmin(tag_mask_sizes_suppressed) 
 
# approach 2, only the first minimum can be found. 
tag_mask_sizes_nozeroidx = tf.where(tf.not_equal(tag_mask_sizes, 0)) 
tag_mask_sizes_suppressed = tf.gather_nd(tag_mask_sizes,tag_mask_sizes_nozeroidx) 
smallest_mask_index2 = tag_mask_sizes_nozeroidx[tf.argmin(tag_mask_sizes_suppressed)] 
 
# approach 3, find all minimum 
tag_mask_sizes_suppressed = tf.boolean_mask(tag_mask_sizes,tf.not_equal(tag_mask_sizes, 0)) 
smallest_mask_index3 = tf.squeeze(tf.where(tf.equal(tag_mask_sizes,tf.reduce_min(tag_mask_sizes_suppressed)))) 
 
with tf.Session() as sess: 
    print(sess.run(smallest_mask_index1)) 
    print(sess.run(smallest_mask_index2)) 
    print(sess.run(smallest_mask_index3)) 
 
# print 
2 
[2] 
[2 4]