Tensorflow 在网络中使用张量作为索引

我的网络有多个输入，其中一个输入是一个索引，在网络中用于索引到其他张量

我在使用张量作为索引时遇到了问题

class MemoryLayer(tf.keras.layers.Layer):
  def __init__(self, memory_size, k, **kwargs):
    super().__init__(kwargs)
    self.memory_size = memory_size
    self.k = k

  def build(self,input_shape):
    # Set up the memory_var

  # Shape of input is [(1,3,6), (1,3)]
  def call(self, input):
    for i in range(3):
      statement = input[0][0,i]
      cluster = input[1][0,i]
      old_sub_mem = self.memory_var[cluster, :-1] #Error here
        
      # Here should be a bunch of stuff I removed because its not relevant

    return tf.expand_dims(self.memory_var, axis=0)

---

我得到一个

TypeError

，说

不是有效的索引。我尝试在

input[1]

上调用

.numpy（）

，但这不起作用，因为张量没有形状。从数据中输入的

集群
应该是一个数字。
默认情况下，层的输入是
tf.float32
。然而，要索引张量，需要整数。您可以将层的输入强制转换为整数，也可以指定该层的输入应为整数类型

铸造
指定输入的类型
我在该示例中使用了函数API：

inp_statement = tf.keras.Input(shape=(3,6))
inp_cluster = tf.keras.Input(shape=(3,), dtype=tf.int32)
memory = MemoryLayer(memory_size=10)([inp1,inp2])


注意：我不太明白您想要实现什么，但是调用
tf.gather
或
tf.gather\n
可能会优化这个for循环

inp_statement = tf.keras.Input(shape=(3,6))
inp_cluster = tf.keras.Input(shape=(3,), dtype=tf.int32)
memory = MemoryLayer(memory_size=10)([inp1,inp2])