如何使用 tf.nn.top_k 的返回索引对多维张量进行排序？

Question

我有两个多维张量 a 和 b。我想按a 的值对它们进行排序。

我发现tf.nn.top_k 能够对张量进行排序并返回用于对输入进行排序的索引。如何使用从tf.nn.top_k(a, k=2) 返回的索引对b 进行排序？

例如，

import tensorflow as tf

a = tf.reshape(tf.range(30), (2, 5, 3))
b = tf.reshape(tf.range(210), (2, 5, 3, 7))
k = 2
sorted_a, indices = tf.nn.top_k(a, k)

# How to sort b into
# sorted_b[0, 0, 0, :] = b[0, 0, indices[0, 0, 0], :]
# sorted_b[0, 0, 1, :] = b[0, 0, indices[0, 0, 1], :]
# sorted_b[0, 1, 0, :] = b[0, 1, indices[0, 1, 0], :]
# ...

---

更新

结合tf.gather_nd 和tf.meshgrid 可以是一种解决方案。比如下面的代码在python 3.5上用tensorflow1.0.0-rc0测试：

a = tf.reshape(tf.range(30), (2, 5, 3))
b = tf.reshape(tf.range(210), (2, 5, 3, 7))
k = 2

sorted_a, indices = tf.nn.top_k(a, k)

shape_a = tf.shape(a)
auxiliary_indices = tf.meshgrid(*[tf.range(d) for d in (tf.unstack(shape_a[:(a.get_shape().ndims - 1)]) + [k])], indexing='ij')

sorted_b = tf.gather_nd(b, tf.stack(auxiliary_indices[:-1] + [indices], axis=-1))

不过，不知道有没有更易读的解决方案，不需要在上面创建auxiliary_indices。

Answer 1

您的代码有问题。

b = tf.reshape(tf.range(60), (2, 5, 3, 7))

因为 TensorFlow 无法将具有 60 个元素的张量重塑为 [2,5,3,7]（210 个元素）。 而且您不能使用 3 阶张量的索引对 4 阶张量 (b) 进行排序。