TensorFlow 中类似 NumPy 的切片
Posted
技术标签:
【中文标题】TensorFlow 中类似 NumPy 的切片【英文标题】:NumPy-like slicing in TensorFlow 【发布时间】:2019-10-27 07:59:36 【问题描述】:我有一个张量对象,我想切片它的一部分。
tf_a1 = tf.Variable([ [9.968594, 8.655439, 0., 0. ],
[0., 8.3356, 0., 8.8974 ],
[0., 0., 6.103182, 7.330564 ],
[6.609862, 0., 3.0614321, 0. ],
[9.497023, 0., 3.8914037, 0. ],
[0., 8.457685, 8.602337, 0. ],
[0., 0., 5.826657, 8.283971 ],
[0., 0., 0., 0. ]])
另外,我有这个数组:
tf_a2 = tf.constant([[1, 2, 5],
[1, 4, 6],
[0, 7, 7],
[2, 3, 6],
[2, 4, 7]])
我想像切片一样做这个 numpy:
tf_a1[tf_a2]
numpy 代码的预期输出如下:
[[[0. 8.3356 0. 8.8974 ]
[0. 0. 6.103182 7.330564 ]
[0. 8.457685 8.602337 0. ]]
[[0. 8.3356 0. 8.8974 ]
[9.497023 0. 3.8914037 0. ]
[0. 0. 5.826657 8.283971 ]]
[[9.968594 8.655439 0. 0. ]
[0. 0. 0. 0. ]
[0. 0. 0. 0. ]]
[[0. 0. 6.103182 7.330564 ]
[6.609862 0. 3.0614321 0. ]
[0. 0. 5.826657 8.283971 ]]
[[0. 0. 6.103182 7.330564 ]
[9.497023 0. 3.8914037 0. ]
[0. 0. 0. 0. ]]]
我想我可以使用以下方法在 tensorflow 中进行类似的操作:
tf.gather_nd(tf_a1, tf_a2)
但它会引发此错误:
tensorflow.python.framework.errors_impl.InvalidArgumentError: index innermost dimension length must be <= params rank; saw: 3 vs. 2 [Op:GatherNd]
任何帮助表示赞赏:)
【问题讨论】:
行数不相等。这个问题似乎没有很好的定义... @cs95,是的,行数不一样,但我们可以在 numpy 中做同样的事情。我会添加更多关于我想要什么的解释 此操作的预期输出是否应该是形状为(5, 3, 4)
的张量?
@cs95 完全是 3d 张量
【参考方案1】:
我觉得你可以用tf.gather
:
tf.gather(tf_a1, tf_a2, axis=0)
# <tf.Tensor 'GatherV2_10:0' shape=(5, 3, 4) dtype=float32>
TensorFlow 2.0 上的可重现示例
tf.__version__
# '2.0.0-beta0'
tf.gather(tf_a1, tf_a2, axis=0)
<tf.Tensor: id=9, shape=(5, 3, 4), dtype=float32, numpy=
array([[[0. , 8.3356 , 0. , 8.8974 ],
[0. , 0. , 6.103182 , 7.330564 ],
[0. , 8.457685 , 8.602337 , 0. ]],
[[0. , 8.3356 , 0. , 8.8974 ],
[9.497023 , 0. , 3.8914037, 0. ],
[0. , 0. , 5.826657 , 8.283971 ]],
[[9.968594 , 8.655439 , 0. , 0. ],
[0. , 0. , 0. , 0. ],
[0. , 0. , 0. , 0. ]],
[[0. , 0. , 6.103182 , 7.330564 ],
[6.609862 , 0. , 3.0614321, 0. ],
[0. , 0. , 5.826657 , 8.283971 ]],
[[0. , 0. , 6.103182 , 7.330564 ],
[9.497023 , 0. , 3.8914037, 0. ],
[0. , 0. , 0. , 0. ]]], dtype=float32)>
【讨论】:
太棒了,非常感谢,这正是我想要的。如果我对问题进行一项修改可以吗 @sariii 如果它是一个重要的扩展,希望您提出一个新问题,但请交给我。 再次感谢您的回复。我在这里问了我的另一个问题***.com/questions/56568981/…如果你能看一下,我很感激以上是关于TensorFlow 中类似 NumPy 的切片的主要内容,如果未能解决你的问题,请参考以下文章
Tensorflow 2 - tf.slice 及其 NumPy 切片语法不兼容的行为
像在 numpy 中一样使用 tf.slice 检测越界切片