Question

如何计算tensorflow中列表的中值？喜欢

{{1}}

X是占位符
在numpy中，我可以直接使用np.median来获得中值。如何在tensorflow中使用numpy操作？

Answer 1

要计算tensorflow数组的中位数，您可以使用quantile函数，因为50％的分位数是median。

import tensorflow as tf
import numpy as np 

np.random.seed(0)   
x = np.random.normal(3.0, .1, 100)

median = tf.contrib.distributions.percentile(x, 50.0)

tf.Session().run(median)

此代码与np.median的行为不同，因为interpolation参数会将结果近似为lower，higher或nearest样本值。

如果您想要相同的行为，可以使用：

median = tf.contrib.distributions.percentile(x, 50.0, interpolation='lower')
median += tf.contrib.distributions.percentile(x, 50.0, interpolation='higher')
median /= 2.
tf.Session().run(median)

除此之外，上面的代码相当于np.percentile(x, 50, interpolation='midpoint')。

Answer 2

编辑：这个答案已经过时，请使用Lucas Venezian Povoa的解决方案。它更简单，更快捷。

您可以使用以下方法计算张量流量的中位数：

def get_median(v):
    v = tf.reshape(v, [-1])
    mid = v.get_shape()[0]//2 + 1
    return tf.nn.top_k(v, mid).values[-1]

如果X已经是矢量，则可以跳过重新整形。

如果你关心中值是偶数大小的矢量的两个中间元素的平均值，你应该使用它：

def get_real_median(v):
    v = tf.reshape(v, [-1])
    l = v.get_shape()[0]
    mid = l//2 + 1
    val = tf.nn.top_k(v, mid).values
    if l % 2 == 1:
        return val[-1]
    else:
        return 0.5 * (val[-1] + val[-2])

Answer 3

我们可以将BlueSun的解决方案修改为在GPU上更快：

def get_median(v):
    v = tf.reshape(v, [-1])
    m = v.get_shape()[0]//2
    return tf.reduce_min(tf.nn.top_k(v, m, sorted=False).values)

这与使用tf.contrib.distributions.percentile(v, 50.0)的速度（以我的经验）一样快，并且返回实际元素之一。

Answer 4

目前TF中有no median function。在TF中使用numpy操作的唯一方法是运行图表后：

import tensorflow as tf
import numpy as np

a = tf.random_uniform(shape=(5, 5))

with tf.Session() as sess:
    np_matrix = sess.run(a)
    print np.median(np_matrix)

Tensorflow中值

4 个答案: