张量层的张量流随机分布答案

【问题标题】：Tensorflow random distribution from tensor layer张量层的张量流随机分布
【发布时间】：2018-07-31 10:37:37
【问题描述】：

我有一个 4D 数组，我试图从这个数组中选择所有前三个维度，然后是第四个维度的随机分布

samples = np.unique( np.random.randint(subset_start, subset_end, size=50) )    
layer_tensor = model.layer_tensors[model_layer][:, :, :, samples]

这给了我：

ValueError: Shapes must be equal rank, but are 0 and 1
    **From merging shape 2 with other shapes. for 'strided_slice/stack_1' (op: 'Pack') with input shapes: [], [], [], [44].**

在哪里

model.layer_tensors[model_layer].shape == (?,?,?,1024)

以前，我选择了一个连续的值范围

model.layer_tensors[model_layer][:, :, :, subset_start:subset_end]

是一个有效的陈述

【问题讨论】：

您是否在使用 tensorflow 时没有添加非常相关的 tensorflow-tag（同时发送垃圾邮件 sample 根本没有帮助）？另外：更完整（最佳情况：可重现）的代码会很好。
感谢您的帮助

标签： python arrays random tensorflow dimension

【解决方案1】：

也许tf.gather 可能会有所帮助。

layer_tensor = tf.gather(model.layer_tensors[model_layer], samples, axis=-1)

虽然您应该考虑将样本生成为张量。

【讨论】：

你应该接受答案。它可以帮助人们在遇到类似情况时确定哪些方法有效