如何通过保留该维度的特定索引元素来减少张量的维度？

Question

维度的减少类似于 reduce_max() 所做的，不同之处在于我想要该维度中元素的特定索引，而不是简单地选择最大的索引。 例如，我有一个 2x3 张量 A = [[0,1,2],[2,2,0]]。 如果我应用 tf.argmax(A)，我会得到索引张量 [1, 1, 0]。 我怎样才能使用这个索引张量 [1, 1, 0] 来得到张量为 tf.reduce_max(A, 0) = [2, 2, 2]？

我不直接使用 tf.reduce_max 的原因是我想使用不同的索引张量而不是 argmax 索引张量来减少维度或保留索引值而不是该维度的最大值。

Answer 1

您可以使用tf.gather_nd函数来执行此操作，但您需要将该[1, 1, 0]索引张量转换为 2D 张量。

这里我假设索引张量是一个 numpy 数组（您可以通过调用.numpy()方法将 tensorflow 张量转换为 numpy 数组。

idx = np.array([1, 1, 0])

idx = np.c_[idx[:, np.newaxis], np.arange(len(idx))]

print(idx)

# Output:
# array([[1, 0],
#        [1, 1],
#        [0, 2]])

这意味着：在使用上面提到的tf.gather_nd时选择 (row1, col0), (row1, col1), and (row0, col2)

A = tf.Variable([[0, 1, 2], [2, 2, 0]])

tf.gather_nd(A, idx)

会给你预期的[2, 2, 2]张量。