TensorFlow 中类似 NumPy 的切片答案

【问题标题】：NumPy-like slicing in TensorFlowTensorFlow 中类似 NumPy 的切片
【发布时间】：2019-10-27 07:59:36
【问题描述】：

我有一个张量对象，我想切片它的一部分。

tf_a1 = tf.Variable([    [9.968594,  8.655439,  0.,        0.       ],
                         [0.,        8.3356,    0.,        8.8974   ],
                         [0.,        0.,        6.103182,  7.330564 ],
                         [6.609862,  0.,        3.0614321, 0.       ],
                         [9.497023,  0.,        3.8914037, 0.       ],
                         [0.,        8.457685,  8.602337,  0.       ],
                         [0.,        0.,        5.826657,  8.283971 ],
                         [0.,        0.,        0.,        0.       ]])

另外，我有这个数组：

tf_a2 = tf.constant([[1, 2, 5],
                    [1, 4, 6],
                    [0, 7, 7],
                    [2, 3, 6],
                    [2, 4, 7]])

我想像切片一样做这个 numpy：

 tf_a1[tf_a2]

numpy 代码的预期输出如下：

[[[0.        8.3356    0.        8.8974   ]
  [0.        0.        6.103182  7.330564 ]
  [0.        8.457685  8.602337  0.       ]]

 [[0.        8.3356    0.        8.8974   ]
  [9.497023  0.        3.8914037 0.       ]
  [0.        0.        5.826657  8.283971 ]]

 [[9.968594  8.655439  0.        0.       ]
  [0.        0.        0.        0.       ]
  [0.        0.        0.        0.       ]]

 [[0.        0.        6.103182  7.330564 ]
  [6.609862  0.        3.0614321 0.       ]
  [0.        0.        5.826657  8.283971 ]]

 [[0.        0.        6.103182  7.330564 ]
  [9.497023  0.        3.8914037 0.       ]
  [0.        0.        0.        0.       ]]]

我想我可以使用以下方法在 tensorflow 中进行类似的操作：

tf.gather_nd(tf_a1, tf_a2)

但它会引发此错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError: index innermost dimension length must be <= params rank; saw: 3 vs. 2 [Op:GatherNd]

任何帮助表示赞赏:)

【问题讨论】：

行数不相等。这个问题似乎没有很好的定义...
@cs95，是的，行数不一样，但我们可以在 numpy 中做同样的事情。我会添加更多关于我想要什么的解释
此操作的预期输出是否应该是形状为 (5, 3, 4) 的张量？
@cs95 完全是 3d 张量

标签： python tensorflow slice tensor

【解决方案1】：

我觉得你可以用tf.gather:

tf.gather(tf_a1, tf_a2, axis=0)                                                                                        
# <tf.Tensor 'GatherV2_10:0' shape=(5, 3, 4) dtype=float32>

TensorFlow 2.0 上的可重现示例

tf.__version__
# '2.0.0-beta0'

tf.gather(tf_a1, tf_a2, axis=0)

<tf.Tensor: id=9, shape=(5, 3, 4), dtype=float32, numpy=
array([[[0.       , 8.3356   , 0.       , 8.8974   ],
        [0.       , 0.       , 6.103182 , 7.330564 ],
        [0.       , 8.457685 , 8.602337 , 0.       ]],

       [[0.       , 8.3356   , 0.       , 8.8974   ],
        [9.497023 , 0.       , 3.8914037, 0.       ],
        [0.       , 0.       , 5.826657 , 8.283971 ]],

       [[9.968594 , 8.655439 , 0.       , 0.       ],
        [0.       , 0.       , 0.       , 0.       ],
        [0.       , 0.       , 0.       , 0.       ]],

       [[0.       , 0.       , 6.103182 , 7.330564 ],
        [6.609862 , 0.       , 3.0614321, 0.       ],
        [0.       , 0.       , 5.826657 , 8.283971 ]],

       [[0.       , 0.       , 6.103182 , 7.330564 ],
        [9.497023 , 0.       , 3.8914037, 0.       ],
        [0.       , 0.       , 0.       , 0.       ]]], dtype=float32)>

【讨论】：

太棒了，非常感谢，这正是我想要的。如果我对问题进行一项修改可以吗
@sariii 如果它是一个重要的扩展，希望您提出一个新问题，但请交给我。
再次感谢您的回复。我在这里问了我的另一个问题stackoverflow.com/questions/56568981/…如果你能看一下，我很感激