Tensorflow 如何在二维张量的第二维上使用张量流散射？

TL；DR:如何将每个实例有2个标签的2D二进制张量拆分为每个实例只有1个标签的2个张量，如下图所示：

作为自定义丢失函数的一部分，我尝试将多标签y张量（每个实例有2个标签）拆分为2个y张量（每个实例有1个标签）。 当我在1D y张量上进行此操作时，此代码非常有效：

y_true = tf.constant([1., 0., 0., 0., 1., 0., 0., 0., 0.])
label_cls = tf.where(tf.equal(y_true, 1.))
idx1, idx2 = tf.split(label_cls,2)
raplace = tf.constant([1.])
y_true_1 = tf.scatter_nd(tf.cast(idx1, dtype=tf.int32), raplace, [tf.size(y_true)]) 
y_true_2 = tf.scatter_nd(tf.cast(idx2, dtype=tf.int32), raplace, [tf.size(y_true)])  

with tf.Session() as sess:
    print(sess.run([y_true_1,y_true_2]))

我得到：

[array([1., 0., 0., 0., 0., 0., 0., 0., 0.], dtype=float32), array([0., 0., 0., 0., 1., 0., 0., 0., 0.], dtype=float32)]

但当我在培训中使用批处理时，会出现以下错误：

Invalid argument: Outer dimensions of indices and update must match.

因为我的“y张量”是2D而不是1D，在这种情况下-

idx1，idx2

（索引）不正确，

的形状也不替换（更新）。
据我所知，
tf.scatter\u nd
只能更新变量的第一个维度，因此我如何才能绕过它？我怎样才能得到所需的索引呢？
我觉得你走的是一条迂回的道路。这是我的解决办法。感觉它比你尝试使用的更直接（TF1.14）

因此，我们的想法是为每行获取前2个标签的索引。然后使用
tf.split
将其拆分为两列。然后使用
one_hot
将这些索引转换回onehot向量

import tensorflow as tf

y_true = tf.constant([[1, 0, 1, 0],[0, 1, 1, 0]])
_, label_inds = tf.math.top_k(y_true, k=2)
idx1, idx2 = tf.split(label_inds,2, axis=1)

y_true_1 = tf.one_hot(idx1, depth=4)
y_true_2 = tf.one_hot(idx2, depth=4)

with tf.Session() as sess:

    print(sess.run([y_true_1, y_true_2]))