Arrays Tensorflow：numpy.take的类似物？

有没有类似的

numpy.take

？ 我想从

N

-维数组中形成

N+1

-维数组，更精确地说，从具有形状的数组中形成

（B，H，W，C）

我想制作

（B，H，W，X，C）

数组

我想对于我的情况，即使没有这样的一般操作，也有解决办法。但我真的不确定，如果我编写带有多个中间操作和张量（移位、重复等）的代码，TF是否能够对其进行优化并删除不必要的操作。此外，我认为这样的代码将是不干净的，只是可怕的

我想添加带有移位值的维度。即，对于（H，W）->（H，W，3）维度，案例索引必须为

[
[[0,0], #[0,-1], may be padding with zeros but for now pad with edge value
[0,0],
[0,1]],

[[0,0],
[0,1]
[0,2]]
...
[[1,0],
 [1,0],
 [1,1]],

 [[1,0],
 [1,1],
 [1,2]],
...
]

我曾考虑过tf.scatter（分散），但现在我不知道如何使用它。如果我理解正确，我不能将

索引

用于大于

更新

数组的形状（即，我不能将

索引

用于形状

（3,4,5,3）

和

更新

用于形状

（3,4,3）

甚至

（3,4,1,3）

。如果是这样的话，那么这个操作似乎毫无用处，除非我用我需要在结果中形成的形状制作中间数组

UPD：可能是我错了，张量运算（移位、平铺等）是更合适、更有效的解决方案。

---

但在任何情况下，我认为对

np.take

的模拟都是有用的。

tensorflow中与

np.take

最接近的函数是and

tf.gather\nd

比

tf.gather

（和

np.take

）更一般，因为它可以一次分割多个维度

---

与

np.take

相比，

tf.gather[\u nd]

的一个明显限制是，它们只对张量的第一个维度进行切片，而不能对内部维度进行切片。当您想要对任意维度进行切片时（如您的情况），您需要对数组进行转置，以首先放置切片维度，然后进行聚集，然后将其转置回原处。

tensorflow中最接近的函数是

np。take

是and

tf.gather\nd

比

tf.gather

（和

np.take

）更一般，因为它可以一次分割多个维度

---

与

np.take

相比，

tf.gather[\u nd]

的一个明显限制是，它们只对张量的第一个维度进行切片，而不能对内部维度进行切片。当您想要对任意维度进行切片时（如您的情况），您需要转置数组以首先放置切片维度，然后聚集，然后再转置回去。

tf.gather的示例代码替换

np.take

：

import numpy as np

a = np.array([5, 7, 42])
b = np.random.randint(0, 3, (2, 3, 4))
c = a[b]
result_numpy = np.take(a, b)

print(a, b, c, result_numpy)

import tensorflow as tf

a = tf.convert_to_tensor(a)
b = tf.convert_to_tensor(b)
# c = a[b] # does not work
result_tf = tf.gather(a, b)

print(a, b, result_tf)

assert(np.array_equal(result_numpy, result_tf.numpy()))

---

tf.collect

替换

np.take

的示例代码：

import numpy as np

a = np.array([5, 7, 42])
b = np.random.randint(0, 3, (2, 3, 4))
c = a[b]
result_numpy = np.take(a, b)

print(a, b, c, result_numpy)

import tensorflow as tf

a = tf.convert_to_tensor(a)
b = tf.convert_to_tensor(b)
# c = a[b] # does not work
result_tf = tf.gather(a, b)

print(a, b, result_tf)

assert(np.array_equal(result_numpy, result_tf.numpy()))

---

谢谢！我不确定我是否理解关于切片的声明。我只是构建了没有切片的完整索引（使用numpy）并使用此索引收集数据。看起来它有效，至少TF没有错误。我将尝试测试它。谢谢，@P-Gn，我遇到了相同的问题。并且找不到任何解决方案来通过内部维度索引分割teensor。到目前为止，转置似乎是唯一的解决方案。谢谢！我不确定我是否理解关于切片。我只构建没有切片的完整索引（使用numpy）并使用此索引收集数据。似乎它有效，至少TF没有错误。我将尝试测试它。谢谢，@P-Gn，我遇到了相同的问题。并且找不到任何解决方案来通过内部维度索引分割teensor。转置似乎是目前为止唯一的解决方案。我不理解你的

np。进行
类比。它只是沿着一个维度建立索引，可以选择包装或剪裁。我不理解你的
np。打个比方吧
。它只是沿着一个维度建立索引，可以选择包装或剪裁。