Question

我正在处理一个矩阵sim_mat，它是一个大小的张量（？，？，？）。

我想像这样使用tf.slice：

a=tf.slice(sim_matrix,[0,0,0],tf.stack([tf.shape(sim_matrix[0],tf.shape(sim_matrix)[1],3]))
print(a)

但是这给了我张量大小（？，？，？）而不是（？，？，3）。此外，当我使用a进一步的功能时，我收到一条错误消息：

输入大小（输入深度）必须可通过形状推理访问，但锯值无。

有解决方法吗？

感谢。

Answer 1

您可以使用精美的索引编写以下等效但更具可读性的行：

a = sim_matrix[ :, :, 0 : 3 ]

然而，这仍然会给你一个形状的张量（？，？，？）。

如果您确实需要修复生成的张量的第三维，请使用tf.gather()。但是，您必须使用tf.transpose()之前和之后对维度进行置换，因为tf.gather()仅适用于第一维。（也有tf.gather_nd()，但这里没有帮助，因为你不想在前两个dims上指定索引，你想要切片。）所以这样（测试代码））：

import tensorflow as tf

sim_matrix = tf.placeholder( shape=(None,None,None), dtype = tf.float32 )
sim_matrixT = tf.transpose( sim_matrix, [ 2, 0, 1 ] )
aT = tf.gather( sim_matrixT, [ 0, 1, 2 ] ) # get first three
a = tf.transpose( aT, [ 1, 2, 0 ] )

print( a.get_shape() )

输出：

（？，？，3）

您还说您在进一步的功能上会出错。如果这些函数在输入张量上需要固定的形状，情况仍然如此。

如何在未知大小的张量上使用tf.slice

1 个答案: