我有这两个张量：
s = tf.constant([[1], [2], [3], [4], [5], [6], [7])
r = tf.constant([[1, 1], [2, 5], [1, 2], [8, 7], [7, 5], [6, 6], [8, 6])
考虑到两个张量的第一维必须相等，比方说，n（在这种情况下为7）。我想知道在Tensorflow中是否有一个函数，给定这两个张量，返回一个维Tensor of Dimensions（n，2），这样每行的第一个元素是该行的索引，第二个元素是，如果s的第i个元素出现在r [i]中，则s [i]的索引在r [i]中，否则为默认值。我想举个例子会更容易：
>>> fancy_function(r, s, default_value=-1).eval()
[[0, 0], [1, 0], [2, -1], [3, -1], [4, 1], [5, 0], [6, -1]]
实际上，如果允许随机选择，它可能会返回另一件事：
>>> fancy_function(r, s, default_value=-1, random_choice=True).eval()
[[0, 1], [1, 0], [2, -1], [3, -1], [4, 1], [5, 1], [6, -1]]
元素0和5中的第二个元素可以更改，因为r [0] [0]和r [0] [1]都等于1，并且r [5] [0]和r [5] [1 ]等于6。
我认为它与where函数相似。
事实上，在哪里，我会得到这样的东西：
>>> tf.where(tf.equal(s, r)).eval()
[[0, 0], [0, 1], [1, 0], [4, 1], [5, 0], [5, 1]]
但是，一方面，它会重复索引为0和5的元素（我想以不确定的方式选择它们），并且不包含默认值。