在 tensorflow 中，可以使用切片符号 [::n] 选择每第 n 个项目。
但是如何做相反的事情呢？我想选择除每 n 次以外的所有项目。
例如：
a = [1, 2, 3, 4, 5, 6, 7, 8]
a[2::3] 将导致[3, 6]
现在我想要相反的：[1, 2, 4, 5, 7, 8]
上面的数组只是一个例子。解决方案应该适用于 tensorflow 中尺寸 [batch, width, height, channels] 的更大矩阵。仅在通道上进行选择。我的矩阵也包含非唯一的真实值。我也无法将其重塑为二维（[batch, channels]）
【问题讨论】：
view（::n 会产生）。
标签： python tensorflow multidimensional-array tensor tensor-indexing
一种选择是通过测试范围索引来创建布尔索引：
import numpy as np
start, step = 2, 3
a[np.arange(len(a)) % step != start]
# array([1, 2, 4, 5, 7, 8])
您可以在 tensorflow 中使用 tf.boolean_mask 类似地实现此目的：
import tensorflow as tf
a = tf.constant([1, 2, 3, 4, 5, 6, 7, 8])
start, step = 2, 3
mask = ~tf.equal(tf.range(a.shape[-1]) % step, start)
tf.boolean_mask(a, mask).eval()
# array([1, 2, 4, 5, 7, 8], dtype=int32)
如果a是ND张量，可以用boolean_mask指定轴；以 4D 张量 [batch, width, height, channels] 为例，按第四轴选择，即channels，可以设置axis=3：
mask = ~tf.equal(tf.range(a.shape[-1]) % step, start)
tf.boolean_mask(a, mask, axis=3)
【讨论】：
tf.boolean_mask 剩下的唯一问题是，最后一个维度是未知的 (None)。我使用tensor.set_shape(...) 解决了这个问题（需要根据我拥有的信息计算新形状）
您可以使用np.delete() 方法：
>>> np.delete(a, a[1::3])
array([1, 2, 4, 5, 7, 8])
记住这个操作不会修改原始数组：
返回一个新数组，其中删除了沿轴的子数组。对于一个 维数组，这将返回那些未返回的条目 arr[obj].
【讨论】：
numpy.setdiff1d() 的普通应用程序将适用于 int dtype 的一维数组。
In [16]: arr = np.array([1, 2, 3, 4, 5, 6, 7, 8])
In [17]: np.setdiff1d(arr, arr[2::3])
Out[17]: array([1, 2, 4, 5, 7, 8])
对应的 TensorFlow 等价物是 tf.setdiff1d()
要处理 nD 数组（即张量），您可以先将它们重新整形为一维数组，使用 setdiff1d 进行选择，然后将结果重新整形为 nD。
【讨论】：
[batches, channels] 作为维度。但更重要的是，我的矩阵包含真实值。 tf.setdiff1d 不适用。