将tensorflow.Variable中的某些元素取出组成一个新的矩阵示例

在神经网络计算过程中，经常会遇到需要将矩阵中的某些元素取出并且单独进行计算的步骤（例如MLE，Attention等操作）。那么在 tensorflow 的 Variable 类型中如何做到这一点呢？

首先假设 Variable 是一个一维数组 A：

import numpy as np

import tensorflow as tf

a = np.array([1, 2, 3, 4, 5, 6, 7, 8])

A = tf.Variable(a)

我们把我们想取出的元素的索引存到 B 中，如果我们只想取出数组 A 中的某一个元素，则 B 的设定为：

b = np.array([3])

B = tf.placeholder(dtype=tf.int32, shape=[1])

由于我们的索引坐标只有一维，所以 shape=1。

取出元素然后组合成tensor C 的操作如下：

C = tf.gather_nd(A, B)

运行：

init = tf.global_variables_initializer()

with tf.Session() as sess:
 init.run()
 feed_dict = {B: b}
 result = sess.run([C], feed_dict=feed_dict)
 print result

得到：

[4]

如果我们想取出一维数组中的多个元素，则需要把每一个想取出的元素索引都单独放一行：

b = np.array([[3], [2], [5], [0]])

B = tf.placeholder(dtype=tf.int32, shape=[4, 1])

此时由于我们想要从一维数组中索引 4 个数，所以 shape=[4, 1]

再次运行得到：

[4 3 6 1]

////////////////////////////////////////////////////////////////////////////////////华丽丽的分割线

假设 Variable 是一个二维矩阵 A：

a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])

A = tf.Variable(a)

首先我们先取出 A 中的一个元素，需要给定该元素的行列坐标，存到 B 中：

b = np.array([2，3])

B = tf.placeholder(dtype=tf.int32, shape=[2])

注意由于我们输入的索引坐标变成了二维，所以shape也变为2。

取出元素然后组合成tensor C：

C = tf.gather_nd(A, B)

运行：

init = tf.global_variables_initializer()

with tf.Session() as sess:
 init.run()
 feed_dict = {B: b}
 result = sess.run([C], feed_dict=feed_dict)
 print result

得到：

[12]

同样的，如果我们想取出二维矩阵中的多个元素，则需要把每一个想取出的元素的索引都单独放一行：

b = np.array([[2, 3], [1, 0], [2, 2], [0, 1]])

B = tf.placeholder(dtype=tf.int32, shape=[4, 2])

此时由于我们想要从二维矩阵中索引出 4 个数，所以 shape=[4, 2]

再次运行得到：

[12 5 11 2]

////////////////////////////////////////////////////////////////////////////////////华丽丽的分割线

推广到 n 维矩阵中：

假设 A 是 Variable 类型的 n 维矩阵，我们想取出矩阵中的 m 个元素，那么首先每个元素的索引坐标要表示成列表的形式：

index = [x1, x2, x3, ..., xn]

其中 xj 代表该元素在 n 维矩阵中第 j 维的位置。

其次每个坐标要单独占索引矩阵的一行：

index_matrix = [[x11, x12, x13, ..., x1n],

[x21, x22, x23, ..., x2n],

[x31, x32, x33, ..., x3n],

.......................................,

[xm1, xm2, xm3, ..., xmn]]

最后用 tf.gather_nd() 函数替换即可：

result = tf.gather_nd(A, index_matrix)

////////////////////////////////////////////////////////////////////////////////////华丽丽的分割线

[注] 问题出自：https://stackoverflow.com/questions/44793286/slicing-tensorflow-tensor-with-tensor

来源：https://blog.csdn.net/qq_32492561/article/details/78316742