【问题标题】：Tensorflow - pick values from indicies, what is the operation called?Tensorflow - 从指标中选择值，这个操作叫什么？
【发布时间】：2017-07-18 06:53:22
【问题描述】：

一个例子

假设我有一个张量values，形状为(2,2,2)

values = [[[0, 1],[2, 3]],[[4, 5],[6, 7]]]

还有一个张量indicies，形状为(2,2)，它描述了在最内层维度中要选择的值

indicies = [[1,0],[0,0]]

那么结果将是具有这些值的(2,2) 矩阵

result = [[1,2],[4,6]]

tensorflow中这个操作叫什么，怎么做？

一般

注意上面的形状(2,2,2)只是一个例子，它可以是任何维度。此操作的一些条件：

ndim(values) -1 = ndim(indicies)
values.shape[:-1] == indicies.shape == result.shape
indicies.max() < values.shape[-1] -1

【问题讨论】：

标签： python numpy tensorflow

【解决方案1】：

我认为您可以使用tf.gather_nd 来效仿。您只需将“您的”索引转换为适合tf.gather_nd 的表示。以下示例与您的具体示例相关联，即形状为(2, 2, 2) 的输入张量，但我认为这让您了解如何编写任意形状的输入张量的转换，尽管我不确定它有多容易实现这一点（没有考虑太久）。另外，我并不是说这是最简单的解决方案。

import tensorflow as tf
import numpy as np

values = np.array([[[0, 1], [2, 3]], [[4, 5], [6, 7]]])
values_tf = tf.constant(values)
indices = np.array([[1, 0], [0, 0]])

converted_idx = []
for k in range(values.shape[0]):
    outer = []
    for l in range(values.shape[1]):
        inds = [k, l, indices[k][l]]
        outer.append(inds)
        print(inds)
    converted_idx.append(outer)

with tf.Session() as sess:
    result = tf.gather_nd(values_tf, converted_idx)
    print(sess.run(result))

打印出来

[[1 2]
 [4 6]]

编辑：在这里处理任意形状是一个递归解决方案，应该可以工作（仅在您的示例中测试）：

def convert_idx(last_dim_vals, ori_indices, access_to_ori, depth):
    if depth == len(last_dim_vals.shape) - 1:
        inds = access_to_ori + [ori_indices[tuple(access_to_ori)]]
        return inds

    outer = []
    for k in range(ori_indices.shape[depth]):
        inds = convert_idx(last_dim_vals, ori_indices, access_to_ori + [k], depth + 1)
        outer.append(inds)
    return outer

您可以将它与我发布的原始代码一起使用，如下所示：

...
converted_idx = convert_idx(values, indices, [], 0)
with tf.Session() as sess:
    result = tf.gather_nd(values_tf, converted_idx)
    print(sess.run(result))

【讨论】：