Question

我已经使用 Keras 和 TensorFlow 后端训练了一个 CNN 模型。训练模型后。我正在尝试获取第 n 层输出的子集。我可以使用以下方法访问第 n 层输出：

Model.layers[n].output

这是

<tf.Tensor 'dense_2_1/Identity:0' shape=(None, 64) dtype=float32>

我可以通过这样的命令获得它的子集连续范围：

Model.layers[n].output[...,1:5]

现在，我正在尝试仅考虑 64 个（例如 1、5、10）中的几个索引来对张量进行子集化

知道我该怎么做吗？

这里是参考代码：

n                   = 15   
sub_indexes         = [1,5,10]
final_fmap_index    = 10
penultimate_output  = Model.layers[final_fmap_index].output
layer_input         = Model.input
loss                = Model.layers[n].output[...,sub_indexes]
grad_wrt_fmap       = K.gradients(loss,penultimate_output)[0]
grad_wrt_fmap_fn    = K.function([layer_input,K.learning_phase()],
                                      [penultimate_output,grad_wrt_fmap])

这给了我这个错误：

TypeError: Only integers, slices (`:`), ellipsis (`...`), tf.newaxis (`None`) and scalar tf.int32/tf.int64 tensors are valid indices, got [1, 5, 10]

Answer 1

使用 gather_nd() 我可以获得张量的子集。基本上是为某些索引 [a,b,c] 子集一个张量它需要采用 [[0,a],[1,b],[2,c]] 格式然后使用 gather_nd() 获取子集。

indexes = [[0,a],[1,b],[2,c]]
subset  = gather_nd(MyTensor, indexes, 0)

关于函数https://www.tensorflow.org/api_docs/python/tf/gather_nd的更多细节

如何在张量流中对张量进行子集化？

1 个答案: