tf.gather_nd 没有“扁平化”形状？答案

【问题标题】：tf.gather_nd without "flattening" shape?tf.gather_nd 没有“扁平化”形状？
【发布时间】：2017-10-18 06:53:25
【问题描述】：

我仍在玩 tensorflow 并尝试使用gather_nd 操作，但返回值不是我想要的形状/格式...

Input Tensor: - shape: (2, 7, 4) 
array([[[ 0., 0., 1., 2.],
        [ 0., 0., 2., 2.],
        [ 0., 0., 3., 3.],
        [ 0., 0., 4., 3.],
        [ 0., 0., 5., 4.],
        [ 0., 0., 6., 4.],
        [ 0., 0., 7., 5.]],
       [[ 1., 1., 0., 2.],
        [ 1., 2., 0., 2.],
        [ 1., 3., 0., 3.],
        [ 1., 4., 0., 3.],
        [ 1., 5., 0., 4.],
        [ 1., 6., 0., 5.],
        [ 1., 7., 0., 5.]]], dtype=float32) 

Indices returned by tf.where op: - shape: (3, 2) 
array([[0, 0], 
       [0, 1],
       [1, 0]]) 

tf.gather results: (shape = [3, 4])
array([[ 0., 0., 1., 2.],
       [ 0., 0., 2., 2.],
       [ 1., 1., 0., 2.]], dtype=float32)

desired results: = (2, sparse, 4)
array([[[ 0., 0., 1., 2.],
        [ 0., 0., 2., 2.]],
       [[ 1., 1., 0., 2.]]], dtype=float32)

记住 tf.where = 动态形状并且不能保证整个二维（轴 = 1）的形状一致性，实现这一目标的最佳方法是什么？

注意：忽略这个问题 - 查看我的回答

【问题讨论】：

标签： python tensorflow tensor

【解决方案1】：

我认为这是一个 Tensorflow 版本问题。在我的版本（1.2.1）中，我从您的输入中获得了所需的确切输出。不过，我也根据旧版本尝试了以下代码。

import tensorflow as tf

indices = [[[0, 0, 0], [0, 0, 1], [0, 0, 2], [0, 0, 3]],
           [[0, 1, 0], [0, 1, 1], [0, 1, 2], [0, 1, 3]],
           [[1, 0, 0], [1, 0, 1], [1, 0, 2], [1, 0, 3]]]

params =  [[[ 0., 0., 1., 2.],
            [ 0., 0., 2., 2.],
            [ 0., 0., 3., 3.],
            [ 0., 0., 4., 3.],
            [ 0., 0., 5., 4.],
            [ 0., 0., 6., 4.],
            [ 0., 0., 7., 5.]],
           [[ 1., 1., 0., 2.],
            [ 1., 2., 0., 2.],
            [ 1., 3., 0., 3.],
            [ 1., 4., 0., 3.],
            [ 1., 5., 0., 4.],
            [ 1., 6., 0., 5.],
            [ 1., 7., 0., 5.]]]

output = tf.gather_nd(params, indices)

with tf.Session()as sess:
    print (sess.run(output))

希望这会有所帮助。

【讨论】：

【解决方案2】：

我意识到我的问题很愚蠢。

# of tuples when 1st dim is 0    !=   # of tuples when 1st dim is 1

我不确定我的要求是否可行......

【讨论】：