Question

这个问题是关于访问张量中的单个元素，比如[[1,2,3]]。我需要访问内部元素[1,2,3]（这可以使用.eval（）或sess.run（）执行）但是当张量的大小很大时需要更长时间）

有没有什么方法可以更快地做到这一点？

先谢谢。

Answer 1

有两种主要方法可以访问张量中元素的子集，其中任何一个都适用于您的示例。

使用索引运算符（基于tf.slice()）从张量中提取连续切片。
```
input = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

output = input[0, :]
print sess.run(output)  # ==> [1 2 3]
```
索引运算符支持许多与NumPy相同的切片规范。
使用tf.gather() op从张量中选择一个非连续切片。
```
input = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

output = tf.gather(input, 0)
print sess.run(output)  # ==> [1 2 3]

output = tf.gather(input, [0, 2])
print sess.run(output)  # ==> [[1 2 3] [7 8 9]]
```
请注意，tf.gather()仅允许您选择第0维中的整个切片（矩阵示例中的整行），因此您可能需要输入tf.reshape()或tf.transpose()获得适当的元素。

Answer 2

我怀疑这是计算的其余部分需要时间，而不是访问一个元素。

此外，结果可能需要从存储的任何内存中复制，因此如果它在显卡上，则需要先将其复制回RAM，然后才能访问您的元素。如果是这种情况，您可以通过添加tensorflow操作来跳过它来获取第一个元素，并且只返回它。

Answer 3

你没有得到[[1,2,3]]的第0个元素的值而没有run（） - ning或eval（） - 正在获得它的操作。因为在'run'或'eval'之前，你只有一个描述如何获得这个内部元素（因为TF使用符号图/计算）。因此，即使您使用tf.gather / tf.slice，您仍然必须通过eval / run获得这些操作的值。请参阅@ mrry的回答。

Answer 4

希望我能很好地理解你的问题。您可以通过.numpy()访问TensorFlow 2中的张量元素。

import tensorflow as tf
t = tf.constant([[1,2,3]])

print(t.numpy()[0][1]) # This will prints 2

>>> 2

Tensorflow python：访问张量中的各个元素

4 个答案: