Question

如果给定形状为a的矩阵(5,3)和形状为b的索引数组(5,)，我们可以轻松获取相应的向量c，< / p>

c = a[np.arange(5), b]

但是，我不能用tensorflow做同样的事情，

a = tf.placeholder(tf.float32, shape=(5, 3))
b = tf.placeholder(tf.int32, [5,])
# this line throws error
c = a[tf.range(5), b]

Traceback（最近一次调用最后一次）：文件“”，第1行，in      文件   “〜/ anaconda2 / lib中/ python2.7 /站点包/ tensorflow /蟒蛇/ OPS / array_ops.py”   第513行，在_SliceHelper中       名称=名）

文件   “〜/ anaconda2 / lib中/ python2.7 /站点包/ tensorflow /蟒蛇/ OPS / array_ops.py”   第671行，strided_slice       shrink_axis_mask = shrink_axis_mask）文件“〜/ anaconda2 / lib / python2.7 / site-packages / tensorflow / python / ops / gen_array_ops.py”，   第3688行，strided_slice       shrink_axis_mask = shrink_axis_mask，name = name）文件“〜/ anaconda2 / lib / python2.7 / site-packages / tensorflow / python / framework / op_def_library.py”，   第763行，在apply_op中       op_def = op_def）文件“〜/ anaconda2 / lib / python2.7 / site-packages / tensorflow / python / framework / ops.py”，   第2397行，在create_op中       set_shapes_for_outputs（ret）文件“〜/ anaconda2 / lib / python2.7 / site-packages / tensorflow / python / framework / ops.py”，   第1757行，在set_shapes_for_outputs中       shapes = shape_func（op）文件“〜/ anaconda2 / lib / python2.7 / site-packages / tensorflow / python / framework / ops.py”，   第1707行，在call_with_requiring中       return call_cpp_shape_fn（op，require_shape_fn = True）文件“〜/ anaconda2 / lib / python2.7 / site-packages / tensorflow / python / framework / common_shapes.py”，   第610行，在call_cpp_shape_fn中       debug_python_shape_fn，require_shape_fn）文件“〜/ anaconda2 / lib / python2.7 / site-packages / tensorflow / python / framework / common_shapes.py”，   第675行，在_call_cpp_shape_fn_impl中       raise ValueError（err.message）ValueError：Shape必须为1，但对于'strided_slice_14'（op：'StridedSlice'），输入为2   形状：[5,3]，[2,5]，[2,5]，[2]。

我的问题是，如果我不能使用上述方法在numpy中产生tensorflow的预期结果，我该怎么办？

Answer 1

此功能目前尚未在TensorFlow中实施。 GitHub issue #4638正在跟踪NumPy风格的“高级”索引的实现。但是，您可以使用tf.gather_nd()运算符来实现您的程序：

a = tf.placeholder(tf.float32, shape=(5, 3))
b = tf.placeholder(tf.int32, (5,))

row_indices = tf.range(5)

# `indices` is a 5 x 2 matrix of coordinates into `a`.
indices = tf.transpose([row_indices, b])

c = tf.gather_nd(a, indices)

如何在张量流中使用索引数组？

1 个答案: