使用另一个张量进行Tensorflow多维索引

Question

说，我有一个形状为[n1，n2，...，nk]的秩k张量X和一个形状为[n2，n3，...，nk]的秩（k-1）张量IDX，其中IDX具有与X的最后（k-1）维相同的形状。IDX的条目都是[0，n1）中的所有整数。 我想从X提取一些值，其中第一个维度位置由IDX指定，而其他维度则一直迭代。

例：

X = tf.constant([[1,2], [3,4], [5,6],
                 [7,8], [9,10],[11,12]]) # 2 x 3 x 2 tensor
IDX = tf.constant([[1,0], [1,1], [0,1]]) #     3 x 2 tensor
...
# would like to get [[7,2],[9,10],[5,12]]

如何在Tensorflow中有效实现这一目标？ 谢谢！

Answer 1

您是否看到choose的注释？

笔记

为了减少错误解释的机会，即使名义上支持以下“滥用”， choices也不应该也不应被视为单个数组，即，最外面的类似于序列的容器应该是列表或元组。

也就是说，他们希望您将其视为：

In [432]: list(X)
Out[432]: [array([1, 2]), array([3, 4]), array([5, 6])]
In [433]: np.choose(IDX,list(X))
Out[433]: array([3, 6])

等效的索引是：

In [436]: X[IDX,np.arange(2)]
Out[436]: array([3, 6])

choose还具有一些mode选项。

文档还说这等效于（减去这些模式问题）：

np.choose(a,c) == np.array([c[a[I]][I] for I in ndi.ndindex(a.shape)])

choose另一个细微差别。 它不能使用超过32个选择。

In [440]: np.choose(IDX,np.ones((33,2)))
...
ValueError: Need at least 1 and at most 32 array objects.

In [442]: np.ones((33,2))[IDX,np.arange(2)]
Out[442]: array([ 1.,  1.])

Answer 2

您可以将np.choose()包装在python函数中，并使用tf.py_func()将其嵌入到张量流图中。 但是，如果您希望对图进行自动梯度计算以进行训练，则还可以为函数定义梯度。 我想，为np.choose()定义梯度可能是非常棘手的任务，即使实际上可以解决的话。