Question

我有一个张量T，形状为（A，？，B，C）。我也有一个张量索引，我定义为I = tf.argmax（something）。我想定义T（I，？，：，:)。当索引I不是张量对象而是整数时，操作T（I，：，：，:)效果很好。我是张量= tf.argmax时怎么办？

Answer 1

切片张量T(I,:,:,:)时，I是张量，而整数Tensorflow version 2.1可以很好地工作。

下面提到的代码使用形状为(A, ?, B, C)的张量，该张量同时使用T(I,:,:,:)的张量值和tf.argmax的整数值来切片tf.argmax。

%tensorflow_version 2.x
import tensorflow as tf
import numpy as np

b = np.ones(shape = (2,3,3,4))

a = tf.Variable(b, shape = (2,None, 3,4), dtype = tf.int32)

l = [166.32, 10, 26.9, 2.8, 1, 62.3]
b = tf.math.argmax(input = l)
c = tf.keras.backend.eval(b)
print('b = {} and c = {}'.format(b,c))

a = tf.ones(shape = (2,5,3,4))

Arg_Max_Tensor_Val = a[b,:,:,:]
Arg_Max_Int_Val = a[c,:,:,:]

print(Arg_Max_Int_Val)
print(Arg_Max_Tensor_Val)

下面提到的是输出：

tf.Tensor(
[[[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]], shape=(5, 3, 4), dtype=float32)

tf.Tensor(
[[[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]], shape=(5, 3, 4), dtype=float32)

请告诉我该代码是否可以解决您的问题。如果没有，请分享您使用的代码，以便我们进行进一步调查。谢谢！

Tensorflow访问具有张量流索引的张量

1 个答案: