作为这个问题的动机，我尝试使用tf.nn.dynamic_rnn的可变长度序列。当我使用batch_size=1（一次一个元素）进行训练时，一切都在游动，但现在我试图增加批量大小，这意味着零填充序列的长度相同。
我对所有序列进行了零填充（或截断），最大长度为15000.
outputs（来自RNN）的形状为[batch_size, max_seq_length, num_units]，具体就是[16, 15000, 64]。
我还创建了一个seq_lengths张量，[batch_size]，所以[16]，对应于所有零填充序列的实际序列长度。
我添加了一个完全连接的图层，将以前的outputs[:,-1,:]乘以W，然后添加一个偏差项，因为最终我只想尝试预测单个值（或者更确切地说） batch_size值）。但是，现在，我不能天真地使用-1作为索引，因为所有的序列都被不同地填充了！我有seq_lengths，但我不确定如何使用它来索引outputs。我已经四处搜索了，我认为答案是对tf.gather_nd的一些巧妙使用，但我无法弄明白。我可以很容易地看到如何获取单个值，但我想保留整个切片。我是否需要创建某种巨大的3D蒙版？
这就是我想要的Python理解（输出是np.array）：outputs = np.array([outputs[i, seq_lengths[i], :] for i in range(batch_size)])。
我很感激任何帮助！谢谢。
答案 0 :(得分：0)
实际上，Alex发现你已经回答了我的问题：）。
经过一些更多的研究，我发现了以下内容，这正是我的用例：https://stackoverflow.com/a/43298689/5526865。我不会在这里复制代码，但只是检查一下。