Python 从tensorflow中的另一个列表中选择elemetn

我正在研究tensorflow，我有以下问题

import tensorflow as tf
import numpy as np
from tensorflow.keras import losses
from tensorflow import nn

#2*3
label = np.array([[2, 0, 1], [0, 2, 1]])
#2*3*3
logit = np.array([[[.9, .5, .05], [.35, .01, .3], [.45, .91, .94]], 
         [[.05, .2, .4], [.05, .29, .6], [.35, .01, .02]]])


#find the value corresponding to label index by row
output = nn.log_softmax(logit)

我有

output = tf.Tensor(
[[[-0.74085818 -1.14085818 -1.59085818]
  [-0.97945321 -1.31945321 -1.02945321]
  [-1.43897936 -0.97897936 -0.94897936]]

 [[-1.27561467 -1.12561467 -0.92561467]
  [-1.38741927 -1.14741927 -0.83741927]
  [-0.88817684 -1.22817684 -1.21817684]]], shape=(2, 3, 3), dtype=float64)

我想通过

标签

中的索引从

输出

中选择元素。也就是说，我的最终结果应该是

[[1.59085822 0.97945321 0.97897935]  #2, 0, 1
[1.27561462 0.83741927 1.22817683]], #0, 2, 1
shape=(2, 3), dtype=float64)

---

你不能直接这样做。实现这一目标的正确方法是首先在标签上涂抹。然后使用

tf.boolean\u mask

从输出日志中进行选择

以下是一个例子：

将tensorflow导入为tf
将numpy作为np导入
来自tensorflow.keras进口损失
从tensorflow导入nn
#2*3
label=np.array（[[2,0,1]，[0,2,1]]
#2*3*3
logit=np.array（[.9,5,05]，.35,01,3]，.45,91,94]，
[[.05, .2, .4], [.05, .29, .6], [.35, .01, .02]]])
#按行查找标签索引对应的值
输出=nn.log\u softmax（logit）
one_hot=tf.one_hot（标签，3，数据类型=tf.int32）
# 
结果_vec=tf.boolean_mask（输出，一个热）#结果是一个向量
# 
结果=tf.重塑（结果向量，标签.形状）

结果会是：（你是否错过了问题中的消极迹象？）

---

您好，请查看我的答案，看看这是否解决了您的问题