如何一次为每一行以不同的方式切片张量流张量？答案

【问题标题】：How to slice tensorflow tensor differently for each row at once?如何一次为每一行以不同的方式切片张量流张量？
【发布时间】：2020-09-04 06:34:35
【问题描述】：

我有简单的张量

a = tf.constant([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10], [11, 12, 13, 14, 15]])

并想对其进行切片，但我需要对每一行进行不同的操作。这个切片操作由另一个张量描述

b = tf.constant([[0, 1], [2, 4], [2, 5]])

这意味着从张量的第一行a我需要从0到1的元素，从第二行从2到4等等。所以最终的最终结果将是

[
  [1],
  [8, 9],
  [13, 14, 15]
]

我的第一个想法是填充切片开始和结束之间的范围，但不幸的是，无法使用 map_fn 进行此操作，因为结果的行具有不同的长度。

有人知道怎么做吗？

【问题讨论】：

标签： python tensorflow data-science

【解决方案1】：

基本上我们有两个要迭代的数组。一个包含实际数据，另一个包含要返回的范围。
因此，zip 函数可以帮助从多个数组中逐一迭代元素。

import tensorflow as tf

a = tf.constant([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10], [11, 12, 13, 14, 15]])
b = tf.constant([[0, 1], [2, 4], [2, 5]])

# As you iterate, provided a and b have same length
# [1, 2, 3, 4, 5] sliced as [0:1]
# [6, 7, 8, 9, 10] sliced as [2:4]
# [11, 12, 13, 14, 15] sliced as [2:5]

[data.numpy().tolist()[start:end] for data, (start, end) in zip(a,b)]

输出：

[[1], [8, 9], [13, 14, 15]]

【讨论】：

结果是正确的，但我想要同样的东西而不将张量转换为 numpy 数组；）无论如何，你的答案可能非常有用，谢谢:)

【解决方案2】：

如果b 的大小在图形编译时是已知的，那么您可以分别对每一行进行切片。

import tensorflow as tf

a = tf.constant([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10], [11, 12, 13, 14, 15]])
b = tf.constant([[0, 1], [2, 4], [2, 5]])

r = []
for i in range(3):
    bi = b[i]
    r.append(a[i][bi[0]: bi[1]])
print(r)

【讨论】：