在Tensorflow中采用张量模式有可能吗？

Question

我想在Tensorflow中构建一个DAG，我需要采用我的目标的各个区域的模式（最常见的值）。这是为了构建一个下采样目标。

现在，我为每个可能遇到的情况预处理缩减采样的目标，保存它们，然后加载它们。显然，如果将它集成到我的Tensorflow图中，这将更容易，以便我可以在运行时缩减样本。

但是我到处寻找，并且我找不到tf.reduce_mode的证据，它的功能与tf.reduce_mean相同。 有没有什么办法在Tensorflow图中构造这个功能？

Answer 1

我的想法是，我们得到唯一的数字和他们的计数。然后我们找到最常出现的数字。最后，我们通过在数量计数张量中使用它们的索引来获取这些数字（可能不止一个）。

samples = tf.constant([10, 32, 10, 5, 7, 9, 9, 9]) 
unique, _, count = tf.unique_with_counts(samples) 
max_occurrences = tf.reduce_max(count) 
max_cond = tf.equal(count, max_occurrences) 
max_numbers = tf.squeeze(tf.gather(unique, tf.where(max_cond))) 

with tf.Session() as sess: 
    print 'Most frequent Numbers\n', sess.run(max_numbers) 
> Most frequent Numbers 
    9