如何在TensorFlow中求取张量最大值同时保留原始形状与维度

你可以通过以下两种常用方法实现需求： #

方法1：使用reduce_max的keepdims参数+广播机制 #

tf.reduce_max提供了keepdims参数，设置为True时会保留原始张量的维度数，再通过广播扩展到和输入张量完全一致的形状即可：

import tensorflow as tf
x = tf.constant([5, 1, 2, 4])
# 计算最大值时保留维度
max_with_dim = tf.reduce_max(x, keepdims=True)
# 广播到原始张量形状
result = tf.broadcast_to(max_with_dim, x.shape)

运行输出符合预期：

<tf.Tensor: shape=(4,), dtype=int32, numpy=array([5,5,5,5], dtype=int32)>
该方法同样适用于高维张量，且保留维度的中间结果适合后续其他张量运算使用。

方法2：使用tf.fill直接生成同形状全最大值张量 #

如果不需要中间保留维度的最大值结果，可以直接计算标量最大值后，填充为和输入形状一致的张量：

import tensorflow as tf
x = tf.constant([5, 1, 2, 4])
max_val = tf.reduce_max(x)
result = tf.fill(x.shape, max_val)

运行结果和方法1完全一致。 #

内容的提问来源于stack exchange，提问作者freak11