带有tensorflow后端的Keras，如何使用另一个索引张量动态切片张量？

Question

我有一个序列（样本，时间步长，特征）的“ myseq” =（N，500,8），其中N是批处理大小

它馈入大小为48的softmax（当我使用跨度为10的窗口查看时，代表48个可能的大小为（N，20,80）的窗口）。

然后我找到“索引”，即softmax输出值的最大索引。 =（N，1），其中第二维对应于每个单独样本的softmax的每个最大索引“ i”。

在这一点上，我想切片[：，indices：indices + 20，：]

示例代码如下：

myseq = Input(shape=(500,4))
choices = Dense(48, activation='softmax')(myseq)
indices = K.argmax(choices, axis=1)
indices = K.cast(indices,"int32")
windows = ??

因此，作为一个简短的摘要：我想使用张量“索引”作为每个批次的起始索引，从myseq的axis1可变地切片长度为20的窗口。

我现在可以通过使用一个函数来执行此操作，该函数对批处理中的每个样本进行迭代，提取每个特定的窗口，然后将它们全部重新组合成一个新的张量。但这效率极低，我什至不能100％地确定它不会破坏网络中的某些内容。这就是我要做的：

def get_window(myarr, sums, length, stride, batchsize):
  indexez = K.argmax(sums, axis=1)
  indices = K.cast(indexez,"int32")
  for i in range(batchsize):
      new_arr = Lambda(lambda x: K.slice(x, (i,indices[i]*stride,0), (1,length,myarr.shape[2])))(myarr)
      if i == 0:
        full_arr = new_arr
      else:
        full_arr = Concatenate(axis=0)([full_arr,new_arr])

  full_arr = tf.compat.v1.placeholder_with_default(full_arr,[None,full_arr.shape[1],full_arr.shape[2]])

  return full_arr

是否有更好的建议？谢谢。