在tensorflow中，如何使用与参数第一维度匹配的索引进行聚集？

如果我有形状的

索引
（D_0，…，D_k）
和形状的
参数
（D_0，…，D_k，i，F）
（带
0≤ 索引[i_0，…，i_k]
），使用

output[i_0,...,i_k,f]=params[i_0,...,i_k,indices[i_0,...,i_k],f]

如果
k=0
，那么我们可以使用
gather
。所以，在过去，我有一个基于展平的解决方案。现在tensorflow已经成熟了，有更好的解决方案吗

大多数时候，当我需要这种类型的收集时，
索引是通过
index=tf.argmax（params[：，…，：，：，：，0]）
获得的。对于每一个
（i_0，…，i_k）
，我都有
i
大小的向量
（F，）
，我只想为一个特征保留那些最大值的向量。一个只适用于这种特殊情况的解决方案（一种只使用一个特性来决定如何减少的
reduce_max
）会让我满意