Tensorflow中的坏切片索引张量

【问题标题】：Bad slice index Tensor in TensorflowTensorflow中的坏切片索引张量
【发布时间】：2016-05-06 13:51:59
【问题描述】：

这里是tensorflow中张量的定义：

word_weight   = tf.get_variable("word_weight", [word_num])
x_index = tf.placeholder(tf.int32, [None, sentence_length, 1])

当我尝试时： word_weight[0] 或 word_weight[1] 或其他，它有效，我可以得到结果。但是当我尝试word_weight[x_index[0,0,0]] 时，我得到了错误：

TypeError: Bad slice index Tensor("modle/RNN/Squeeze_1:0", shape=(), dtype=int32) of type <class 'tensorflow.python.framework.ops.Tensor'>

【问题讨论】：

标签： python tensorflow deep-learning

【解决方案1】：

TensorFlow 在张量上的下标运算符 (__getitem__) 的实现是 tf.slice 函数的语法糖。下标运算符实现支持 Python 整数、列表、元组和 slice 作为下标的类型。正如您所发现的，Tensor 本身不支持作为下标。但是，您可以直接将tf.slice 函数用于您的目的：

word_num = 100
sentence_length = 10
word_weight   = tf.get_variable("word_weight", [word_num])
x_index = tf.placeholder(tf.int32, [None, sentence_length, 1])  
ind = x_index[0, 0, 0:1]
_ = tf.slice(word_weight, ind, [1])

【讨论】：

为什么切片应该是 x_index[0, 0, 0:1] 而不是 x_index[0, 0, 0]？
x_index[0, 0, 0] 返回一个标量（形状()），而x_index[0, 0, 0:1] 返回一个张量（形状(1,)）。 tf.slice 的参数需要张量。