python - 如何在 Tensorflow 中用 2-D 张量索引 3-D 张量？

Question

我正在尝试使用 2-D 张量在 Tensorflow 中索引 3-D 张量。例如，我有形状为 [2, 3, 4] 的 x:

[[[ 0,  1,  2,  3],
  [ 4,  5,  6,  7],
  [ 8,  9, 10, 11]],

 [[12, 13, 14, 15],
  [16, 17, 18, 19],
  [20, 21, 22, 23]]]

我想用形状 [2, 3] 的另一个张量 y 对其进行索引，其中 y 的每个元素索引最后一个元素x 的维度。例如，如果我们有 y ，例如:

[[0, 2, 3],
 [1, 0, 2]]

输出的形状应为[2, 3]:

[[0, 6, 11],
 [13, 16, 22]]

Answer 1

使用tf.meshgrid创建索引，然后使用tf.gather_nd提取元素:

# create a list of indices for except the last axis
idx_except_last = tf.meshgrid(*[tf.range(s) for s in x.shape[:-1]], indexing='ij')

# concatenate with last axis indices
idx = tf.stack(idx_except_last + [y], axis=-1)

# gather elements based on the indices
tf.gather_nd(x, idx).eval()

# array([[ 0,  6, 11],
#        [13, 16, 22]])