TensorFlow - 切片张量导致：ValueError: Shape (16491,) must have rank 3答案

【问题标题】：TensorFlow - Slicing tensor results in: ValueError: Shape (16491,) must have rank 3TensorFlow - 切片张量导致：ValueError: Shape (16491,) must have rank 3
【发布时间】：2016-05-06 12:49:29
【问题描述】：

我想通过索引列表对张量进行切片以获取特定的张量，例如：

word_weight   = tf.get_variable("word_weight", [20])
a= word_weight[ [1,6,5] ]

（我想得到word_weight[1], word_weight[6], word_weight[5]）

但是当我运行代码时出现以下错误：

ValueError: Shape (16491,) must have rank 3

【问题讨论】：

标签： python tensorflow deep-learning

【解决方案1】：

首先，首先评估张量。然后，您可以索引它们：

import tensorflow as tf

word_weight = tf.get_variable("word_weight", [20])

with tf.Session() as sess:   
    tf.initialize_all_variables().run()
    x = sess.run(word_weight)
    print(x[[1,6,5]])
    # Or evaluete like this
    print(sess.run([word_weight[1],word_weight[6],word_weight[5]]))

这个输出：

[ 1.61491954  0.66727936 -0.73491937]

【讨论】：

我可以在索引张量后评估张量吗？即 X= word_weight[ [1,6,5] ], y=sess.run(X)
@NilsCao 这可能有效：x = sess.run([word_weight[1],word_weight[6],word_weight[5]]) print(x)。我在答案中添加了。
x=sess.run(word_weight[[1,6,5]]) 也可以工作吗？很抱歉我现在不在电脑附近。
@NilsCao, sess.run(word_weight[[1,6,5]]) ooes 不起作用。
这太有线了。非常感谢。我正在做神经网络算法。我将张量变量定义和传播算法放在类的init函数中，并在创建类的对象后评估张量。看来我不应该将传播算法放在类的 init 函数中，以便我可以解决我的问题。