Question

我很抱歉这个冗长乏味的问题很难理解。基本上，我想在tensorflow中实现一个函数：

e.g。对于具有维度[10,10,7,1]的张量A，以及索引矩阵B = array（[[1,3,5]，[2,4,6]]）。我想根据B的每一行中的索引，提取A中的元素和轴= 2（遵循Python约定，A有0,1,2,3四个轴）。

因此，示例的结果应该是具有维度[10,10,3,2]的张量C，其中第三维是由于根据索引[1,3,5]选择A中的元素沿轴= 2 ]或[2,4,6]，第四个维度等于B的第一个维度（即B的行数），因为我们在这个维度上做了两个选择。

任何＆＃34;张力青睐＆＃34;在tensorflow中实现这一点的线索，而不是分两步完成？我没有看到使用tf.gather_nd（）或tf.gather（）的方法。任何的想法？非常感谢！

另一个例子：

A = [[[1],     # A is (3, 5, 1)
       [2],
       [3],
       [4],
       [5]]],
     [[[10],
       [20],
       [30],
       [40],
       [50]]],
     [[[100],
       [200],
       [300],
       [400],
       [500]]]

B = [[1,4,3],     # B is (2,3)
     [2,3,5]]

C = [[[1, 2],     # C is (3, 3, 2)
       [4, 3],
       [3, 5]]],
     [[[10, 20],
       [40, 30],
       [30, 50]]],
     [[[100, 200],
       [400, 300],
       [300, 500]]]

Answer 1

B张量的形状看起来不对，你的问题难以解析。但无论如何，TF在这个问题上并不是很优雅。它需要一个非常特殊的形状B.尝试类似于

的东西

import tensorflow as tf
import numpy as np

A = np.random.randn(10, 10, 7, 1).astype(np.float32)
A[0, 0, 1, 0] = 100001
A[0, 0, 3, 0] = 100002
A[0, 0, 5, 0] = 100003
A[0, 0, 2, 0] = 100004
A[0, 0, 4, 0] = 100005
A[0, 0, 6, 0] = 100006
A = tf.convert_to_tensor(A)

sess = tf.InteractiveSession()

B = np.array([
    [1, 3, 5],
    [2, 4, 6]
])

B = tf.convert_to_tensor(B)
B = tf.reshape(B, [-1])
B = tf.concat([tf.zeros_like(B), tf.zeros_like(B), B, tf.zeros_like(B)], axis=-1)
B = tf.reshape(B, [4, -1])
B = tf.transpose(B, [1, 0])
B = tf.reshape(B, [1, 2, 3, -1])


C = tf.gather_nd(A, B)
C = sess.run(C)
print C.shape
print C

输出

[[[100001. 100002. 100003.]
  [100004. 100005. 100006.]]]

根据两个索引向量以及Tensorflow中的一个维度从张量中提取/收集元素

1 个答案: