Tensorflow tf.gather\n的用法

假设你有一个3-张量

data = np.reshape(np.arange(12), [2, 2, 3])
x = tf.constant(data)

将其视为由最后一个索引索引的2x2矩阵，我想从第一个矩阵中获取第一列，从第二个矩阵中获取第二列，从第三个矩阵中获取第二列

---

如何使用tf.gather\n执行此操作？

您需要首先生成所需的索引

导入tensorflow作为tf 将numpy作为np导入 根据您的描述，索引=[[i，minj，1，j]用于范围3中的j，用于范围2中的i] [[0, 0, 0], [1, 0, 0], [0, 1, 1], [1, 1, 1], [0, 1, 2], [1, 1, 2]] a=tf.constantnp.Arange2.2.3 res=tf.gather\u nda，索引 sess=tf.InteractiveSession a、 评估 数组[[0,1,2]， [ 3, 4, 5]], [[ 6, 7, 8], [ 9, 10, 11]]] 资源评估 数组[0,6,4,10,5,11]

---

我在网上找到了以下教程，解释了如何处理此类问题：

假设我们有一个4x3矩阵

M = tf.constant(np.arange(12).reshape(4,3))

现在让我们假设您想要第一行的第三个元素、第二行的第二个元素、第三行的第一个元素和第四行的第二个元素。如本教程所述，这可以通过以下方式实现：

idx = tf.constant([2,1,0,1], tf.int32)
x = tf.gather_nd(M, tf.stack([tf.range(M.shape[0]), idx], axis=1))

---

但是如果M的行数未知怎么办？idx作为适当大小的整数张量，则tf.rangeM.shape[0]将引发错误。我怎么能绕过这个

谢谢，如果第三个索引未知呢？本质上，第三个维度是批量大小，我想根据每个样本的属性从这些2x2张量中选择元素。我明白了，你可以尝试索引=[[I，sel_col[j]，j]表示范围中的j，b表示范围2中的I]。B是批次大小，sel_col是一个dict，指示第j个样本应从2x2矩阵中选择哪个col。但批次大小通常未知。我在一个单独的答案中发布了一个简化的解决方案，该解决方案在给定批量的情况下有效，但它是什么呢？