Python 基于numpy索引和TensorFlow中的唯一运算符创建新的张量

我想创建一个新的张量，其中包含另一个张量的唯一元素，并根据索引张量进行排序。
以下是迄今为止的说明性代码：

import tensorflow as tf
a, _ = tf.unique([[1, 2], [3, 4], [1, 2], [3, 4], [3, 4]])
b, _ = tf.unique([1, 0, 1, 0, 0])
d = a[b, :]
e = tf.global_variables_initializer()
with tf.Session() as sess:
  sess.run(e)
  sess.run(d)
  print d

基本上，在这种情况下，期望的输出张量应该等于 [[3, 4], [1, 2]]

---

为什么我的代码没有按预期工作？

您遇到的问题是由于tf.unique需要一维输入张量（请参阅此处：）

如果在1-D b张量上运行tf.unique，它会起作用：

将tensorflow导入为tf
a、 唯一的（[[1,2]，[3,4]，[1,2]，[3,4]，[3,4]）
b、 _uTF=tf.unique（[1,0,1,0,0]）
e=tf.global_variables_initializer（）
使用tf.Session（）作为sess：
sess.run（e）
打印（sess.run（b））

这里是我得到的错误：ValueError：形状必须是相等的秩，但是在将形状0与其他形状合并时是1和0。对于输入形状为[？]，[]的“跨步”切片[U 1/堆栈[U 1”（op:'Pack'）。