Question

numpy.take是否有类似物？我希望从N+1 - 维数组中形成N - 维数组，更确切地说，从形状为(B, H, W, C)的数组形成{我想制作(B, H, W, X, C)数组。

我认为，就我的情况而言，即使没有这样的一般操作也有解决方案。但我真的不确定如果我将编写具有多个中间操作和张量（移位，重复等）的代码，TF将能够优化它并删除不必要的操作。此外，我认为这样的代码将是不洁净的，而且非常糟糕。

我想添加带有移位值的维度。即对于（H，W） - >（H，W，3）维度，案例索引必须是

[
[[0,0], #[0,-1], may be padding with zeros but for now pad with edge value
[0,0],
[0,1]],

[[0,0],
[0,1]
[0,2]]
...
[[1,0],
 [1,0],
 [1,1]],

 [[1,0],
 [1,1],
 [1,2]],
...
]

我想过tf.scatter_nd（https://www.tensorflow.org/api_docs/python/tf/scatter_nd）但是现在我不明白如何使用它。如果我理解正确，我不能使用indices形状大于update数组的形状（即我不能使用indices形状(3,4,5,3)和{{1如果是这样的话，那么这个操作似乎没用，直到我创建了具有我需要在结果中形成的形状的中间数组。

UPD：可能是我错了，张量操作（移位，平铺等）是更合适和有效的解决方案。但无论如何，我认为update的模拟将是有用的。

Answer 1

张量流到np.take的最近函数是tf.gather和tf.gather_nd。

tf.gather_nd比tf.gather（以及np.take）更通用，因为它可以同时切割多个维度。

tf.gather[_nd]与np.take相比的明显限制是它们仅切割张量的第一维 - 您无法切入内部维度。如果要切换任意维度（如在您的情况下），则需要转置数组以将切片尺寸放在第一位，收集，然后转置回来。

Answer 2

tf.gather代替np.take的示例代码：

import numpy as np

a = np.array([5, 7, 42])
b = np.random.randint(0, 3, (2, 3, 4))
c = a[b]
result_numpy = np.take(a, b)

print(a, b, c, result_numpy)

import tensorflow as tf

a = tf.convert_to_tensor(a)
b = tf.convert_to_tensor(b)
# c = a[b] # does not work
result_tf = tf.gather(a, b)

print(a, b, result_tf)

assert(np.array_equal(result_numpy, result_tf.numpy()))

Tensorflow：类似于numpy.take？

2 个答案: