張量操作太繁瑣?新工具 TF-Coder 來幫你!

現在來思考另一個問題：計算一個 0-1 張量，標識輸入張量的每一行的最大元素。

# Input tensor
scores = [[0.7, 0.2, 0.1],
          [0.4, 0.5, 0.1],
          [0.4, 0.4, 0.2],
          [0.3, 0.4, 0.3],
          [0.0, 0.0, 1.0]]

# Output tensor
top_scores = [[1, 0, 0],
              [0, 1, 0],
              [1, 0, 0],
              [0, 1, 0],
              [0, 0, 1]]
有一點需要注意，如果同一最大元素在一行內多次出現，比如 scores 的第三行，那麼只需要標記第一個此類最大元素，讓 top_scores 的每一行正好有一個 1 的條目。
與上一個問題不同，沒有單個 TensorFlow 函數可以執行此計算。如果在文檔中搜索「max」，可能會發現 tf.reduce_max、tf.argmax 和 tf.maximum 都是相關的，但是應該使用哪一個呢？tf.reduce_max 輸出 [0.7, 0.5, 0.4, 0.4, 1.0]，tf.argmax 輸出 [0, 1, 0, 1, 2]，而 tf.maximum 不合適，因為它需要兩個參數。這些都不是我們期望的輸出。
TF-Coder 可以幫助解決此類難題。您可以把問題編寫為輸入 - 輸出示例的形式：
# Input-output example
inputs = {
    'scores': [[0.7, 0.2, 0.1],
               [0.4, 0.5, 0.1],
               [0.4, 0.4, 0.2],
               [0.3, 0.4, 0.3],
               [0.0, 0.0, 1.0]],
}
output = [[1, 0, 0],
          [0, 1, 0],
          [1, 0, 0],
          [0, 1, 0],
          [0, 0, 1]]
TF-Coder 組合 tf.one_hot 和 tf.argmax 為這一問題提供了簡潔的解決方案：
tf.cast(tf.one_hot(tf.argmax(scores, axis=1), 3), tf.int32)
TF-Coder 詳細搜索 TensorFlow 運算組合後，經常能夠找到這樣的優雅解決方案，讓您的 TensorFlow 程序更精簡、更快速。