Tensorflow使用Tensorflow索引访问张量

我有一个形状为（a，？，B，C）的张量T。我还有一个张量索引，我定义为I=tf.argmax（某物）。我想定义T（I，，，：，：）。当索引I不是张量对象而是整数时，操作T（I，：，：，：，：）工作得很好。当我是张量=tf.argmax时，该怎么办

切片一个张量，

T（I，：，：，：）

使用

I

作为一个张量和一个整数，在

Tensorflow版本2.1

中似乎可以正常工作

下面提到的代码使用了形状为

（a，？，B，C）

的张量，它使用

tf.argmax的张量值和
tf.argmax的整数值对
T（I，：，：，：，：）
进行切片

%tensorflow_version 2.x
import tensorflow as tf
import numpy as np

b = np.ones(shape = (2,3,3,4))

a = tf.Variable(b, shape = (2,None, 3,4), dtype = tf.int32)

l = [166.32, 10, 26.9, 2.8, 1, 62.3]
b = tf.math.argmax(input = l)
c = tf.keras.backend.eval(b)
print('b = {} and c = {}'.format(b,c))

a = tf.ones(shape = (2,5,3,4))

Arg_Max_Tensor_Val = a[b,:,:,:]
Arg_Max_Int_Val = a[c,:,:,:]

print(Arg_Max_Int_Val)
print(Arg_Max_Tensor_Val)

以下是输出：

tf.Tensor(
[[[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]], shape=(5, 3, 4), dtype=float32)

tf.Tensor(
[[[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]], shape=(5, 3, 4), dtype=float32)

请让我知道此代码是否解决了您的问题。如果没有，请共享您正在使用的代码，以便我们进一步调查。谢谢
 切片一个张量，
T（I，：，：，：）
使用
I
作为一个张量和一个整数，在
Tensorflow版本2.1
中似乎可以正常工作

下面提到的代码使用了形状为
（a，？，B，C）
的张量，它使用
tf.argmax的张量值和
tf.argmax的整数值对
T（I，：，：，：，：）
进行切片

%tensorflow_version 2.x
import tensorflow as tf
import numpy as np

b = np.ones(shape = (2,3,3,4))

a = tf.Variable(b, shape = (2,None, 3,4), dtype = tf.int32)

l = [166.32, 10, 26.9, 2.8, 1, 62.3]
b = tf.math.argmax(input = l)
c = tf.keras.backend.eval(b)
print('b = {} and c = {}'.format(b,c))

a = tf.ones(shape = (2,5,3,4))

Arg_Max_Tensor_Val = a[b,:,:,:]
Arg_Max_Int_Val = a[c,:,:,:]

print(Arg_Max_Int_Val)
print(Arg_Max_Tensor_Val)

以下是输出：

tf.Tensor(
[[[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]], shape=(5, 3, 4), dtype=float32)

tf.Tensor(
[[[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]

 [[1. 1. 1. 1.]
  [1. 1. 1. 1.]
  [1. 1. 1. 1.]]], shape=(5, 3, 4), dtype=float32)

请让我知道此代码是否解决了您的问题。如果没有，请共享您正在使用的代码，以便我们进一步调查。谢谢
 Tensorflow参数实际上是建立在彼此之上的命令链，要获得实际值，需要调用
compute
方法（或者不管它叫什么，已经有一段时间了）来获得实际值。我找不到compute方法。我尝试了这种简单的方法，但它不起作用：对于xrange中的m（…）：如果tf.equal（I，m）：my_sub_tensor=T（m，，，，：，：）tensor flow也有一个称为常量或变量的东西，也许其中一个会适合您的用例TensorFlow参数实际上是建立在彼此之上的命令链，以获得实际值，你需要调用
compute
方法（或者不管调用什么，已经有一段时间了）来获得实际值。我找不到compute方法。我尝试了这种简单的方法，但它不起作用：对于xrange中的m（…）：如果tf.equal（I，m）：my_sub_tensor=T（m，？，，：，：，：）张量流也有一个称为常量或变量的东西，也许其中一个适合您的使用case@Max-如果答案回答了您的问题，请您接受并投票表决。谢谢。@Max-如果答案回答了你的问题，你能接受并投票吗。非常感谢。