如何在tensorflow中进行多维切片？

例如：

array = [[1, 2, 3], [4, 5, 6]]

slice = [[0, 0, 1], [0, 1, 2]]

output = [[1, 1, 2], [4, 5,6]]

我尝试了

array[slice]

，但没有成功。我也无法让

tf.gather

或

tf.gather\u和

工作，尽管这些最初似乎是正确的函数。注意，这些都是图中的张量

---

如何根据切片在数组中选择这些值？

您需要在

切片

张量中添加一个维度，您可以使用

tf.pack

，然后我们可以使用

tf.collection\n

没有问题

将tensorflow导入为tf
张量=tf.常数（[[1,2,3]，[4,5,6]]
old_slice=tf.常量（[[0,0,1]，[0,1,2]]
#我们需要增加一个维度，我们需要一个秩为2，3，2的张量，而不是2，3
dims=tf.常数（[[0,0,0]，[1,1,1]]
新切片=tf.pack（[dims，旧切片]，2）
out=tf.聚集nd（张量，新切片）

如果我们运行以下代码：

将tf.Session（）作为sess的

：
sess.run（tf.initialize\u all\u variables（））
run\u tensor，run\u slice，run\u out=sess.run（[tensor，new\u slice，out]）
打印“输入张量：”
打印运行张量
打印“正确的聚集参数：”
打印运行片
打印“输出：”
打印输出

这将提供正确的输出：

Input tensor:
[[1 2 3]
 [4 5 6]]
Correct param for gather_nd:
[[[0 0]
  [0 0]
  [0 1]]

 [[1 0]
  [1 1]
  [1 2]]]
Output:
[[1 1 2]
 [4 5 6]]

---

计算结果的一种更简单的方法，也是更一般的方法，是直接利用以下参数的

batch_dims

参数：

数组=tf.常数（[[1,2,3]，[4,5,6]） >>>切片=tf.常数（[[0,0,1]，[0,1,2]] >>>输出=tf.常数（[[1,1,2]，[4,5,6]） >>>tf.聚集（阵列、切片、批次尺寸=1，轴=1）

>>> array = tf.constant([[1,2,3], [4,5,6]])
>>> slice = tf.constant([[0,0,1], [0,1,2]])
>>> output = tf.constant([[1,1,2], [4,5,6]])
>>> tf.gather(array, slice, batch_dims=1, axis=1)
<tf.Tensor: shape=(2, 3), dtype=int32, numpy=
array([[1, 1, 2],
       [4, 5, 6]], dtype=int32)>