Python Keras或Theano中的并行索引

二维问题

对于每个数据点，我都有一个索引矩阵，我想用它从2D查找矩阵中收集向量

对于单个数据点，Theano和Keras允许轻松索引。

例如：

更正式地说，我正在寻找这样一种手术：

result[i，j，k，：]=查找[i，索引[i，j，k]，：]

或

result[i，j，k，l]=查找[i，索引[i，j，k]，l]

我使用扫描实现了一个Theano解决方案。其实很简单：

import theano
将无张量导入为T
def并行_聚集（参考、索引）：
结果，u=theano.scan（fn=lambda引用，索引：reference[index]，outputs_info=None，sequences=[references，index]）
返回结果

鉴于

Keras.rnn

是Keras的替代方案，将其重写到Keras后端似乎很麻烦。它对张量列表进行迭代，并且有一些奇怪的要求

我还想知道这是否是最快的选择，也许一些巧妙的重塑也能解决这个问题

import keras.backend as K
result = K.gather(reference, indices)

result = K.gather(reference, indices)

#let:
indices.shape = (100, 5)
reference.shape = (101, 68)

#where:
max(indices) < reference.shape[0]

#then:
result.shape = (100, 5, 68)

#let:
indices.shape = (batch_n, 100, 5)
reference.shape = (batch_n, 101, 68)

#desired result
result.shape = (batch_n, 100, 5, 68)