用张量切片张量流张量答案

【问题标题】：Slicing Tensorflow Tensor with Tensor用张量切片张量流张量
【发布时间】：2017-12-01 06:36:06
【问题描述】：

我正在尝试使用 PR 中添加的“高级”、numpy 样式切片，但是我遇到了 same issue as the user here：

ValueError: Shape must be rank 1 but is rank 2 for 'strided_slice_15' (op: 'StridedSlice') with input shapes: [3,2], [1,2], [1,2], [1].

也就是说，我想做与这个 numpy 操作等效的操作（在 numpy 中工作）：

A = np.array([[1,2],[3,4],[5,6]]) 
id_rows = np.array([0,2])
A[id_rows]

但是对于上述错误，这在 TF 中不起作用：

A = tf.constant([[1,2],[3,4],[5,6]])
id_rows = tf.constant([0,2])
A[id_rows]

【问题讨论】：

标签： tensorflow

【解决方案1】：

你正在寻找这样的东西：

A = tf.constant([[1,2],[3,4],[5,6]])
id_rows = tf.constant([[0],[2]]) #Notice the brackets
out = tf.gather_nd(A,id_rows)

【讨论】：

好吧，这行得通，但是有没有办法使用“切片”来完成这个（即__getitem__ 使用gather_nd）？

【解决方案2】：

您可以按如下方式对张量进行切片。

A = tf.constant([[1,2],[3,4],[5,6]])
id_rows = tf.constant(np.array([0, 2]).reshape(-1, 1))
out = tf.gather_nd(A,id_rows)
with tf.Session() as session: 
    print(session.run(out))

【讨论】：