Python 如何通过保持张量的特定索引元素来降低张量的维数？

维度的缩减类似于reduce_max（）所做的，不同之处在于我需要该维度中元素的特定索引，而不是简单地选择最大的索引。例如，我有一个2x3张量a=[[0,1,2]，[2,2,0]]。如果我应用tf.argmax（A），我会得到索引张量[1,1,0]。我如何使用这个索引张量[1，1，0]来得到作为tf的张量。reduce_max（A，0）=[2，2，2]

---

我不直接使用tf.reduce\u max的原因是我想使用不同的索引张量而不是argmax索引张量来减少维度，或者保留索引值而不是该维度的最大值。

您可以使用

tf.gather\u nd

函数来实现这一点，但您需要转换

[1，1，0]

将张量索引为2D张量

这里我假设索引张量是一个numpy数组（您可以通过调用

.numpy（）

方法将tensorflow张量转换为numpy数组）

idx = np.array([1, 1, 0])

idx = np.c_[idx[:, np.newaxis], np.arange(len(idx))]

print(idx)

# Output:
# array([[1, 0],
#        [1, 1],
#        [0, 2]])

这意味着：使用上述

tf.gather\n时拾取（row1，col0）、（row1，col1）和（row0，col2）

A = tf.Variable([[0, 1, 2], [2, 2, 0]])

tf.gather_nd(A, idx)

将为您提供预期的
[2,2,2]
张量