python之相当于 tensorflow 中的 numpy.digitize

我正在研究内部使用 numpy.digitize() 的自定义损失函数。一组参数的损失最小化，这些参数是数字化方法中使用的 bins 值。为了使用tensorflow 优化器，我想知道tensorflow 中是否有等效的digitize 实现？如果没有，是否有实现解决方法的好方法？

这里是一个 numpy 版本:

def fom_func(b, n): 
    np.where((b > 0) & (n > 0), np.sqrt(2*(n*np.log(np.divide(n,b)) + b - n)),0)  
def loss(param, X, y): 
    param = np.sort(np.asarray(param)) 
    nbins = param.shape[0] 
    score = 0 
    y_pred = np.digitize(X, param) 
    for c in np.arange(nbins): 
        b = np.where((y==0) & (y_pred==c), 1, 0).sum() 
        n = np.where((y_pred==c), 1, 0).sum() 
        score += fom_func(b,n)**2 
    return -np.sqrt(score) 

请您参考如下方法:

np.digitize 方法的等价物在 TensorFlow 中称为 bucketize，引用自 this api doc :

Bucketizes 'input' based on 'boundaries'.

Summary

For example, if the inputs are boundaries = [0, 10, 100] input = [[-5, 10000] [150, 10] [5, 100]]

then the output will be output = [[0, 3] [3, 2] [1, 3]]

Arguments:

scope: A Scope object input: Any shape of Tensor contains with int or float type. boundaries: A sorted list of floats gives the boundary of the buckets. Returns:

Output: Same shape with 'input', each value of input replaced with bucket index.
(numpy) Equivalent to np.digitize.

我不确定为什么，但此方法隐藏在 TensorFlow 中(请参阅 hidden_ops.txt file)。因此，即使您可以通过以下方式导入它，我也不会指望它:

from tensorflow.python.ops import math_ops 
math_ops._bucketize