Python 根据多组索引对二维张量的列求和

在tensorflow中，我想根据多组索引对2D张量的列求和

例如：

对下列张量的列求和

[[1 2 3 4 5]
 [5 4 3 2 1]]

根据两组索引（第一组为0 1 2列之和，第二组为3 4列之和）

应该给出两列

[[6  9]
 [12 3]]

备注:

所有列的索引将显示在一组且仅一组索引中

这必须在Tensorflow中完成，以便梯度可以通过此操作

---

你知道怎么做那个手术吗？我怀疑我需要使用tf.slice，可能还需要使用tf.while\u loop。

如果您不介意用NumPy解决这个问题，我知道在NumPy中有一种粗略的解决方法

import numpy as np

mat = np.array([[1, 2, 3, 4, 5], [5, 4, 3, 2, 1]])

grid1 = np.ix_([0], [0, 1, 2])
item1 = np.sum(mat[grid1])
grid2 = np.ix_([1], [0, 1, 2])
item2 = np.sum(mat[grid2])
grid3 = np.ix_([0], [3, 4])
item3 = np.sum(mat[grid3])
grid4 = np.ix_([1], [3, 4])
item4 = np.sum(mat[grid4])

result = np.array([[item1, item3], [item2, item4]])

您可以通过以下方式实现：

输出：

[[ 6  9]
 [12  3]]

---

两组列索引是否可以具有公共元素？如果这是真的，那么每个列索引是否总是其中一个集合的一部分？当然，一个通用的解决方案会更好，但是一个受限的版本可能会更容易解决…实际上我真的需要在Tensorflow中解决这个问题。因为梯度需要通过这个操作。根据这个页面将NumPy数组转换成TensorFlow张量会有帮助吗：？我不这么认为。因为源元素（numpy数组）和结果之间的链接仍然是通过numpy而不是tensorflow完成的。这个“mat”（您使用的变量的名称）是使用我正在培训的tf.variable生成的。聚合的结果由tensorflow trainer使用。一切都需要在Tensorflow中发生。很好！非常感谢，这个tf.segment_sum是我一直在寻找的操作，但找不到。@Tom我已将其更改为类似但更通用的解决方案。为了使您的示例生效，我必须在最后一行之前添加：将tf.Session（）作为sess：

import tensorflow as tf

nums = [[1, 2, 3, 4, 5],
        [5, 4, 3, 2, 1]]
column_idx = [[0, 1, 2], [3, 4]]

with tf.Session() as sess:
    # Data as TF tensor
    data = tf.constant(nums)
    # Make segment ids
    segments = tf.concat([tf.tile([i], [len(lst)]) for i, lst in enumerate(column_idx)], axis=0)
    # Select columns
    data_cols = tf.gather(tf.transpose(data), tf.concat(column_idx, axis=0))
    col_sum = tf.transpose(tf.segment_sum(data_cols, segments))
    print(sess.run(col_sum))

[[ 6  9]
 [12  3]]