在TensorFlow 1.12中，你可以使用tf.math.unsorted_segment_sum来计算张量的各段最大值。

其中一个参数是：

segment_ids：一个张量。必须是以下类型之一：int32, int64。它的形状是data.shape的前缀。END } out_arg { name: “output” description: << END 与data的形状相同，只是前segment_ids.rank维度被替换为单一维度，其大小为num_segments。

问题1： 我不知道这意味着什么。我猜segment_ids应该是[0,1,2,3,...]，并且从0开始编号。

然后我尝试通过测试不同值的segment_ids来验证我的假设：

print(sess.run(tf.unsorted_segment_max(tf.constant([0.1, 0.2, 0.3, 0.3, 0.4]),                                       tf.constant([2, 0, 1, 1, 0]), 3)))#[0.4 0.3 0.1], 正确print(sess.run(tf.unsorted_segment_max(tf.constant([0.1, 0.2, 0.3, 0.3, 0.4]),                                       tf.constant([3, 0, 1, 1, 0]), 3)))#[ 4.0000001e-01  3.0000001e-01 -3.4028235e+38], 编号2有效，但3无效print(sess.run(tf.unsorted_segment_max(tf.constant([0.1, 0.2, 0.3, 0.3, 0.4]),                                       tf.constant([3, 0, 1, 1, 0]), 4)))#[ 4.0000001e-01  3.0000001e-01 -3.4028235e+38  1.0000000e-01], num_segments对最大值无效print(sess.run(tf.unsorted_segment_sum(tf.constant([0.1, 0.2, 0.3, 0.3, 0.4]),                                       tf.constant([3, 0, 1, 1, 0]), 4)))#[0.6 0.6 0.  0.1], 而num_segments对求和有效。

从示例3和示例4中，我注意到tf.unsorted_segment_max()中的segment_ids有比tf.unsorted_segment_sum()更多的限制，我认为它应该是从0开始的连续数字。示例3应该输出[0.4 0.3 0. 0.1]

从示例1和示例2中，我注意到示例1的结果是正确的，而示例2应该输出[0.4 0.3 0.]，并且如果输入的segment_ids无效，则不会有警告或错误发生。

问题2： 我如何检查我的segment_ids是否符合要求？

问题3： 如果我的segment_ids不符合要求，比如[3, 0, 1, 1, 0]，我该怎么做才能使unsorted_segments_max工作？

回答：

回答1： 对于一维情况，输出张量将具有由num_segments指定的元素数量。每个元素i将是操作（例如max，sum等）应用于data中所有元素的结果，由位置j表示，其中segment_ids[j] == i。segment_ids可以是任何数字，并不需要从0开始。然而，输出将包含num_segments个元素，如果对于任何输出元素i都没有找到segment_ids[j] == i，则使用特定默认值（每种操作的默认值不同）。对于高维张量，data的前x维度，由segment_ids的秩指定，将被替换为包含各个段的单一维度。

你的示例

你似乎没有在tensorflow >= 1.12.0上运行你的示例，因为第二个示例应该会引发异常：InvalidArgumentError (see above for traceback): segment_ids[0] = 3 is out of range [0, 3)。它被忽略的事实可能是旧版本的行为（请检查）。

从tf.math.unsorted_segment_max的文档中：

如果给定段ID i的最大值为空，则输出该特定数值类型的可能最小值，output[i] = numeric_limits<T>::lowest()。

1. 你指定了3个段，因此输出有3个元素。第一个元素，i == 0，对应位置j == [1, 4]（如segment_ids中指定），因此data[j] == [0.2, 0.4]。取max(data[j])得0.4。类似地，对于下一段，i == 1，我们有j == [2, 3]和data[j] = [0.3, 0.3] => max(data[j]) = 0.3。对于最后一段，i == 2，只有单个元素在位置j == 0，因此结果是0.1。
2. 现在你仍然指定了3个集群，因此输出将有3个元素。段ID 3似乎被忽略，因为它不符合段的数量（不过在最新版本的tensorflow上应该会引发错误）。关于输出中的最后一个元素，它对应于段i == 2，没有找到对应的segment_id，因此结果是特定数值类型的可能最小值；这就是你观察到的：-3.4028235e+38。
3. 与2）类似，区别在于现在段ID 3生效；这对应于输出的最后一个元素，因此是0.1。倒数第二个元素，对应段ID 2，仍然没有匹配的ID，因此填充了默认值。
4. 对于tf.math.unsorted_segment_sum，空段的默认值不同：如果给定段ID i的和为空，则output[i] = 0。因此段0是项目0.2 + 0.4 == 0.6的和，对于段1是0.3 + 0.3 == 0.6，对于段2找不到对应的ID，因此默认值为0，对于段3只有一个元素0.1。

回答2： segment_ids的标准是它“前缀”data的形状，即segment_ids.shape == data.shape[:len(segment_ids.shape)]，并且max(segment_ids) < num_segments（在最新版本的tensorflow上）。相应的维度将被缩减为一个单一维度，包含由num_segments指定的元素数量，而segments_ids中的值指定输出中的相应段。

回答3： 如果segment_ids参数不符合要求，将会引发InvalidArgumentError。你需要修复相应的张量才能使操作工作。