Python 布尔张量的张量流索引

在numpy中，使用两个形状相同的数组，

x

和

y

，可以像这样进行切片

y[x>1]

。如何在tensorflow中获得相同的结果

y[tf.greater（x，1）]

不起作用，

tf.slice

也不支持类似的操作。现在有没有一种方法可以使用布尔张量进行索引，或者目前不支持这种方法？

目前还没有实现，下面是GitHub跟踪进度的问题--

我不会说它完全没有实现。双底片怎么样

Tensorflow实际上支持相当多的切片和切分，尽管语法可能稍微不那么漂亮。例如，如果您想创建一个新数组，该数组在

x>1

时等于

y

，否则等于0，那么您完全可以这样做。退房

另一方面，如果您想创建一个新数组，其中只包含

x>1

中的成员，则可以通过将

where

与

聚集

功能组合来实现。有关收集的详细信息，请访问

当然，

x>1

对于

x

是不可微的。。。tf可能很棒，但它不起作用：）

试试看：

ones = tf.ones_like(x) # create a tensor all ones
mask = tf.greater(x, ones) # boolean tensor, mask[i] = True iff x[i] > 1
slice_y_greater_than_one = tf.boolean_mask(y, mask)

看

编辑：另一种（更好的？）方法：

import tensorflow as tf

x = tf.constant([1, 2, 0, 4])
y = tf.Variable([1, 2, 0, 4])
mask = x > 1
slice_y_greater_than_one = tf.boolean_mask(y, mask)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print (sess.run(slice_y_greater_than_one)) # [2 4]

---

tf.boolean_mask

完成了这项工作，但在一些平台上，如Raspberry Pi或OSX，Tensorflow wheel发行版不支持此操作（请检查此项。因此，另一种选择是使用@Jackson Loper建议的

where

和

gather

。例如：

x = tf.Variable([1, 2, 0, 4])
ix = tf.where(x > 1)
y = tf.gather(x, ix)

with tf.Session() as sess:
 sess.run(tf.global_variables_initializer())
 print(sess.run(y))

---

我们正在寻找类似的功能，以通过定义的标准减少TensorFlow.js张量，但TensorFlow.js没有布尔_掩码功能。在多次拉扯头发和咬牙切齿后，编写了以下内容，基本上总结了真实标准的总数，然后简单地选择topk值来创建子集tens或者

const a = tf.tensor1d([1, 2, 0, 4]);
const b = a.greater(1).sum().get();
const {values, indices} = tf.topk(a, b);
values.print();   # 4,2
indices.print();  # 3,1

---

要创建值小于或等于1的子集张量，需要在张量上使用tf.neg，因为没有bottomk函数，然后在通过topk获得子集张量后，再次应用tf.neg以恢复原始值。

但是

选择
和
其中
都将布尔掩码作为输入。如何操作将张量
x
作为输入，生成一个布尔掩码，该掩码为
True
其中
x>1
？看起来我在寻找比较运算符：现在正在跟踪：现在可以使用tf.boolean\u select
const a = tf.tensor1d([1, 2, 0, 4]);
const b = a.greater(1).sum().get();
const {values, indices} = tf.topk(a, b);
values.print();   # 4,2
indices.print();  # 3,1