我需要使用3D张量的最后一个维度中的索引来索引4D张量的最后一个维度。例如,给定以下张量:
X = array([[[[ 0.14127222, 0.37404611, 0.09612721, 0.19907043, 0.84104371,
0.33678107, 0.03965124, 0.16844736, 0.61240914, 0.02107638],
[ 0.46010377, 0.4302605 , 0.95917015, 0.05052149, 0.96033522,
0.6383985 , 0.24895258, 0.78746404, 0.42848993, 0.16791814]],
[[ 0.04889435, 0.82308922, 0.96655923, 0.48346 , 0.95437383,
0.87187596, 0.68328151, 0.70910435, 0.14809697, 0.73191095],
[ 0.9863605 , 0.93424879, 0.8210592 , 0.60322001, 0.09030777,
0.43904245, 0.90761251, 0.97734195, 0.83937746, 0.4611313 ]]],
[[[ 0.63942727, 0.39519546, 0.96378125, 0.67925937, 0.43680618,
0.51125503, 0.62897664, 0.38485839, 0.62766846, 0.20661218],
[ 0.34816242, 0.0278764 , 0.90386847, 0.82995975, 0.37891653,
0.78402321, 0.15557263, 0.23951166, 0.69553685, 0.65161346]],
[[ 0.82596645, 0.81959286, 0.39348156, 0.23748691, 0.4410078 ,
0.99032742, 0.56643199, 0.00693051, 0.96698697, 0.19360464],
[ 0.06039541, 0.97289256, 0.81413577, 0.15651002, 0.52284394,
0.76748494, 0.47697888, 0.05827109, 0.54494079, 0.95826538]]]])
我想使用以下索引张量从中提取值:
Y = array([[[5, 3],
[9, 0]],
[[6, 5],
[5, 7]]])
获得以下张量:
R = array([[[ 0.33678107, 0.05052149],
[ 0.73191095, 0.9863605 ]],
[[ 0.62897664, 0.78402321],
[ 0.99032742, 0.05827109]]])
我怎样才能在TensorFlow中做到这一点?我用reduce_sum和tf.one_hot的组合解决了它,但它是一个需要代表一个热矢量的巨大张量的内存密集型操作。
谢谢。
答案 0 :(得分:0)
你需要fancy indexing个numpy数组,即使用列表/数组而不是切片索引到X
的第一个维度:
>>> import numpy as np
>>> i,j,k = np.ogrid[:2,:2,:2]
>>> X[i,j,k,Y]
array([[[ 0.33678107, 0.05052149],
[ 0.73191095, 0.9863605 ]],
[[ 0.62897664, 0.78402321],
[ 0.99032742, 0.05827109]]])
为了使它更不容易出现幻数,并使用元组解包:
>>> ijk = np.ogrid[[slice(None,k) for k in Y.shape]]
>>> X[(*ijk),Y]
array([[[ 0.33678107, 0.05052149],
[ 0.73191095, 0.9863605 ]],
[[ 0.62897664, 0.78402321],
[ 0.99032742, 0.05827109]]])
通过将数组传递给X
进行索引,numpy将解释四个(2,2,2,2)
形状的数组,这样每个数组的[n1,n2,n3,n4]
元素将一起用于从{获取相应的元素{1}},结果保留了这些索引数组的形状。