说,我有一个形状[n1,n2,...,nk]的等级k张量X和形状[n2,n3,...,nk]的等级 - (k-1)张量IDX其中IDX具有与X的最后(k-1)维相同的形状.IDX的条目都是[0,n1]中的整数。我想从X中获取一些值,其中第一个维度位置由IDX指定,而其他维度则全部迭代。
示例:
X = tf.constant([[1,2], [3,4], [5,6],
[7,8], [9,10],[11,12]]) # 2 x 3 x 2 tensor
IDX = tf.constant([[1,0], [1,1], [0,1]]) # 3 x 2 tensor
...
# would like to get [[7,2],[9,10],[5,12]]
如何在Tensorflow中有效实现这一目标?谢谢!
答案 0 :(得分:0)
您是否看到了choose
的说明?
注释
为了减少误解的可能性,即使如下 "滥用"在名义上得到支持,
choices
既不应该,也不应该 被认为是单个阵列,即最外层的序列式容器 应该是列表或元组。
也就是说,他们希望你像对待它一样:
In [432]: list(X)
Out[432]: [array([1, 2]), array([3, 4]), array([5, 6])]
In [433]: np.choose(IDX,list(X))
Out[433]: array([3, 6])
索引等效项为:
In [436]: X[IDX,np.arange(2)]
Out[436]: array([3, 6])
choose
也有一些mode
选项。
文档也说它相当于(减去这些模式问题):
np.choose(a,c) == np.array([c[a[I]][I] for I in ndi.ndindex(a.shape)])
choose
的另一个细微差别。它无法使用超过32种选择。
In [440]: np.choose(IDX,np.ones((33,2)))
...
ValueError: Need at least 1 and at most 32 array objects.
In [442]: np.ones((33,2))[IDX,np.arange(2)]
Out[442]: array([ 1., 1.])
答案 1 :(得分:0)
您可以将np.choose()
包装在python函数中,并使用tf.py_func()
将其嵌入到tensorflow图中。但是,如果您希望自动梯度计算图表以便为您提供培训,您还可以为函数定义渐变。如果实际上可以解决的话,定义np.choose()
的渐变可能是非常棘手的任务。