从Tensorflow中的张量中随机选择元素

给定形状为

Nx2

的张量，如何从该张量中选择类似于

np.random.choice的
k
元素（概率相等）？另一点需要注意的是，
N
的值在执行过程中动态变化。意思是说我在处理一个动态大小的张量。
你可以把
np.random.choice
包装成
tf.py\u func
。例如，请参见此示例。在本例中，需要展平张量，使其成为长度为
2*N的数组：

import numpy as np
import tensorflow as tf

a = tf.placeholder(tf.float32, shape=[None, 2]) 
size = tf.placeholder(tf.int32)
y = tf.py_func(lambda x, s: np.random.choice(x.reshape(-1),s), [a, size], tf.float32)
with tf.Session() as sess:
    print(sess.run(y, {a: np.random.rand(4,2), size:5}))

当我尝试运行此操作时，我得到一个
NameError:name'size'未定义
错误，这一行
print（sess.run（y，{a:np.random.rand（4,2），size:5}））
。知道这个问题吗？使用
tf.py_func
非常糟糕，因为调用python操作会大大降低计算速度。特别是如果您使用的是GPU，那么根据任务的不同，利用率可能会从100%下降到5%。您可以使用
tf.multinomial
，但是，该示例需要替换。如果不替换，则可能是不走运，因为我认为没有新的OP可以做到这一点——最好的是编写自定义的C++ OP。但是，可以通过反复从一个数组中采样一个元素来消除它，并通过“代码> TF之类的东西删除该元素。