另一个张量的Tensorflow多维索引答案

【问题标题】：Tensorflow multi-dimensional indexing by another tensor另一个张量的Tensorflow多维索引
【发布时间】：2018-03-03 03:38:01
【问题描述】：

说，我有一个形状为 [n1, n2, ..., nk] 的秩-k 张量 X 和一个形状为 [n2, n3, ..., nk] 的秩-(k-1) 张量 IDX ，其中 IDX 与 X 的最后 (k-1) 个维度具有相同的形状。 IDX 的条目都是 [0, n1) 中的整数。我想从 X 中获取一些值，其中第一个维度位置由 IDX 指定，而其他维度则全部迭代。

例子：

X = tf.constant([[1,2], [3,4], [5,6],
                 [7,8], [9,10],[11,12]]) # 2 x 3 x 2 tensor
IDX = tf.constant([[1,0], [1,1], [0,1]]) #     3 x 2 tensor
...
# would like to get [[7,2],[9,10],[5,12]]

如何在 Tensorflow 中有效地实现这一点？谢谢！

【问题讨论】：

标签： python numpy indexing tensorflow

【解决方案1】：

你看到choose的注释了吗？

注意事项

为了减少误解的机会，即使以下名义上支持“滥用”，choices 既不应该也不应该被认为是单个数组，即最外层的类似序列的容器应该是列表或元组。

也就是说，他们希望你这样对待它：

In [432]: list(X)
Out[432]: [array([1, 2]), array([3, 4]), array([5, 6])]
In [433]: np.choose(IDX,list(X))
Out[433]: array([3, 6])

索引等价物是：

In [436]: X[IDX,np.arange(2)]
Out[436]: array([3, 6])

choose 也有一些mode 选项。

文档还说它相当于（减去这些模式问题）：

np.choose(a,c) == np.array([c[a[I]][I] for I in ndi.ndindex(a.shape)])

choose 的另一个细微差别。它不能使用超过 32 个选项。

In [440]: np.choose(IDX,np.ones((33,2)))
...
ValueError: Need at least 1 and at most 32 array objects.

In [442]: np.ones((33,2))[IDX,np.arange(2)]
Out[442]: array([ 1.,  1.])

【讨论】：

感谢您的回复。我意识到我误解了 np.choose() 函数。现在的问题是如何在 Tensorflow 中有效地实现我想要的。有没有cmets？
这没有回答关于 tensorflow 的问题，而不是 numpy
@dopexxx，原始问题专门询问了np.choose，以及是否存在tensorflow 等价物。了解choose 与寻找等价物相关。答案没有因原始问题的重大编辑而改变。如果您有什么要贡献的，请随时添加您自己的答案。

【解决方案2】：

您可以将np.choose() 包装在python 函数中，并使用tf.py_func() 将其嵌入到您的张量流图中。但是，如果您希望对图形进行自动梯度计算以供您使用，您也可以为您的函数定义梯度。我想，为np.choose() 定义渐变可能是一项非常棘手的任务，如果实际上可以解决的话。

【讨论】：