Question

我有一个张量tf.shape(X) == [M, N, N]和一组索引tf.shape(IDX) == [N, N]。如何在第一维中使用索引tf.shape(Y) = [N, N]形成张量X，等于IDX的切片？即所有Y[i, j] = X[IDX[i, j], i, j] i,j = 1..N。我曾尝试使用tf.gather_nd，但没有结果：（

Answer 1

2016年12月12日更新：

从tensorflow版本0.11开始，可以像numpy一样索引到张量。

a = tf.Variable([9,10,11])
b = tf.constant([[1,2,3,4],[5,6,7,8]])
a = b[0,1:]

索引也支持渐变。

你有什么尝试？

似乎我报告了tf.gather_nd的错误。这是回复

最近增加了对gather_nd中支持部分索引（比维度更少的索引）的支持。您使用的是TensorFlow版本，其中每个索引张量必须具有恰好的张量维数。代码应该在HEAD工作。

因此，在版本0.10或更高版本下，gather_nd应该可以像你想要的那样工作。

然而，以下工作

import tensorflow as tf
x = tf.constant([[1,1,1,1],[1,2,3,4]],shape=(2,4))
indices = [[0,0],[0,1]]
y = tf.gather_nd(x,indices)

所以看起来你现在需要完整的索引描述，而不仅仅是切片0.你也可以试试tf.pack。

您还可以在此处跟踪张量流中索引张量的进度： https://github.com/tensorflow/tensorflow/issues/206

用索引切片张量

1 个答案: