Tensorflow tf.gather\n直观地做什么？

您能否直观地解释或给出更多关于

tf.gather\n nd

的示例，以便在Tensorflow中索引和切片到高维张量

---

我读了，但它保持相当简洁，我发现自己很难理解函数的概念。

好的，所以这样想：

[tensor[0]]

[tensor[0], tensor[1]]

您将提供一个索引值列表，对提供的张量进行索引，以获取这些切片。您提供的索引的第一个维度是针对要执行的每个索引。让我们假设张量只是一个列表

[[0]]表示您希望在提供的张量中的索引0处获得一个特定的切片（列表）。就这样,

[tensor[0]]

[tensor[0], tensor[1]]

[[0]，[1]]表示您希望在索引0和1处获得两个特定切片，如下所示：

[tensor[0]]

[tensor[0], tensor[1]]

现在，如果张量不止是一维呢？我们做同样的事情：

[[0,0]]表示您希望在第0个列表的索引[0,0]处获得一个切片。像这样：

[tensor[0][0]]

[[0,1]，[2,3]]意味着您希望在提供的索引和维度处返回两个切片。像这样：

[tensor[0][1], tensor[2][3]]

---

我希望这是有道理的。我尝试使用Python索引来帮助解释在Python中如何对列表列表执行此操作。

您提供了一个张量和表示该张量中位置的索引。它返回与您提供的索引对应的张量元素

编辑：一个例子

import tensorflow as tf
sess = tf.Session()
x = [[1,2,3],[4,5,6]]
y = tf.gather_nd(x, [[1,1],[1,2]])
print(sess.run(y))

[5,6]

---

您可能需要本教程：您能详细说明或提供一些示例吗？听起来OP对API文档过于简洁感到失望。我不确定这会给现有的答案增加多少。这可能是一个更好的快速解释，但如果不参考其他解释/资源，就有点难以理解，特别是如果您不熟悉API的话。