Question

我正在尝试根据层之间部分连接的最后一个维度收集张量的切片。由于输出张量的形状为[batch_size, h, w, depth]，我想根据最后一个维度选择切片，例如

# L is intermediate tensor
partL = L[:, :, :, [0,2,3,8]]

然而，tf.gather(L, [0, 2,3,8])似乎只适用于第一个维度（对吗？）任何人都可以告诉我该怎么做？

Answer 1

截至TensorFlow 1.3 'Pusher' => Pusher\Pusher::class,有一个tf.gather参数，因此不再需要此处的各种变通方法。

https://www.tensorflow.org/versions/r1.3/api_docs/python/tf/gather https://github.com/tensorflow/tensorflow/issues/11223

Answer 2

这里有一个跟踪错误来支持这个用例：https://github.com/tensorflow/tensorflow/issues/206

现在你可以：

转置您的矩阵，以便首先收集维度（转置费用昂贵）
将你的张量重塑为1d（重塑很便宜）并将你的聚集列索引转换为线性索引的单个元素索引列表，然后重新整形
使用gather_nd。仍然需要将列索引转换为单个元素索引列表。

Answer 3

使用gather_nd，您现在可以执行以下操作：

cat_idx = tf.concat([tf.range(0, tf.shape(x)[0]), indices_for_dim1], axis=0)
result = tf.gather_nd(matrix, cat_idx)

另外，正如用户Nova在@Yaroslav Bulatov所引用的主题中报道的那样：

x = tf.constant([[1, 2, 3],
                 [4, 5, 6],
                 [7, 8, 9]])
idx = tf.constant([1, 0, 2])
idx_flattened = tf.range(0, x.shape[0]) * x.shape[1] + idx
y = tf.gather(tf.reshape(x, [-1]),  # flatten input
              idx_flattened)  # use flattened indices

with tf.Session(''):
  print y.eval()  # [2 4 9]

要点是使张量变平，并使用tf.gather（...）进行大步寻址。

Answer 4

使用tf.unstack（...），tf.gather（...）和tf.stack（..）的另一种解决方案

代码：

import tensorflow as tf
import numpy as np

shape = [2, 2, 2, 10] 
L = np.arange(np.prod(shape))
L = np.reshape(L, shape)

indices = [0, 2, 3, 8]
axis = -1 # last dimension

def gather_axis(params, indices, axis=0):
    return tf.stack(tf.unstack(tf.gather(tf.unstack(params, axis=axis), indices)), axis=axis)

print(L)
with tf.Session() as sess:
    partL = sess.run(gather_axis(L, indices, axis))
    print(partL)

结果：

L = 
[[[[ 0  1  2  3  4  5  6  7  8  9]
   [10 11 12 13 14 15 16 17 18 19]]

  [[20 21 22 23 24 25 26 27 28 29]
   [30 31 32 33 34 35 36 37 38 39]]]


 [[[40 41 42 43 44 45 46 47 48 49]
   [50 51 52 53 54 55 56 57 58 59]]

  [[60 61 62 63 64 65 66 67 68 69]
   [70 71 72 73 74 75 76 77 78 79]]]]

partL = 
[[[[ 0  2  3  8]
   [10 12 13 18]]

  [[20 22 23 28]
   [30 32 33 38]]]


 [[[40 42 43 48]
   [50 52 53 58]]

  [[60 62 63 68]
   [70 72 73 78]]]]

Answer 5

@ Andrei的答案正确版本为

cat_idx = tf.stack([tf.range(0, tf.shape(x)[0]), indices_for_dim1], axis=1)
result = tf.gather_nd(matrix, cat_idx)

Answer 6

您可以尝试这种方式，例如（在大多数情况下至少在NLP中），

参数的形状为[batch_size, depth]，索引为[i，j，k，n，m]，其长度为batch_size。然后gather_nd可能会有所帮助。

parameters = tf.constant([
                          [11, 12, 13], 
                          [21, 22, 23], 
                          [31, 32, 33], 
                          [41, 42, 43]])    
targets = tf.constant([2, 1, 0, 1])    
batch_nums = tf.range(0, limit=parameters.get_shape().as_list()[0])     
indices = tf.stack((batch_nums, targets), axis=1) # the axis is the dimension number   
items = tf.gather_nd(parameters, indices)  
# which is what we want: [13, 22, 31, 42]

此代码段首先通过batch_num找到第一个维度，然后按目标号码沿该维度获取项目。

Answer 7

实施2.来自@Yaroslav Bulatov：

{{1}}

归功于How to select rows from a 3-D Tensor in TensorFlow?

Answer 8

Tensor没有属性形状，但是get_shape（）方法。以下内容可由Python 2.7

运行

import tensorflow as tf
import numpy as np
x = tf.constant([[1, 2, 3],
                 [4, 5, 6],
                 [7, 8, 9]])
idx = tf.constant([1, 0, 2])
idx_flattened = tf.range(0, x.get_shape()[0]) * x.get_shape()[1] + idx
y = tf.gather(tf.reshape(x, [-1]),  # flatten input
              idx_flattened)  # use flattened indices

with tf.Session(''):
  print y.eval()  # [2 4 9]

在Tensorflow中，如何使用tf.gather（）作为最后一个维度？

8 个答案: