TensorFlow - 按轴索引
TensorFlow - Index by axis
我想索引一个任意形状的张量的最后一个轴，除了最后一个是 2。
例如设 x 的形状为 (1,2,2)。最后一个轴的索引
x_0 = x[:, :, 0] # x_0, x_1 shapes are (1,2)
x_1 = x[:, :, 1]
例如设 x 的形状为 (1,2,3,4,2)。最后一个轴的索引
x_0 = x[:, :, :, :, 0] # x_0, x_1 shapes are (1,2,3,4)
x_1 = x[:, :, :, :, 1]
我一直找不到任何张量流函数或切片任意形状的用法。
我需要一种通用的索引方法，以便我始终可以访问任何形状张量的最后一个轴。
在那种情况下，tensorflow 中的切片语法与 numpy. You can use the ellipsis 非常相似：
Ellipsis expands to the number of : objects needed for the selection tuple to index all dimensions. In most cases, this means that length of the expanded selection tuple is x.ndim. There may only be a single ellipsis present.
在你的情况下，
x_0 = x[..., 0]
将索引具有任意形状的张量的最后一个轴。
你也可以看看.
我想索引一个任意形状的张量的最后一个轴，除了最后一个是 2。
例如设 x 的形状为 (1,2,2)。最后一个轴的索引
x_0 = x[:, :, 0] # x_0, x_1 shapes are (1,2)
x_1 = x[:, :, 1]
例如设 x 的形状为 (1,2,3,4,2)。最后一个轴的索引
x_0 = x[:, :, :, :, 0] # x_0, x_1 shapes are (1,2,3,4)
x_1 = x[:, :, :, :, 1]
我一直找不到任何张量流函数或切片任意形状的用法。
我需要一种通用的索引方法，以便我始终可以访问任何形状张量的最后一个轴。
在那种情况下，tensorflow 中的切片语法与 numpy. You can use the ellipsis 非常相似：
Ellipsis expands to the number of
:objects needed for the selection tuple to index all dimensions. In most cases, this means that length of the expanded selection tuple isx.ndim. There may only be a single ellipsis present.
在你的情况下，
x_0 = x[..., 0]
将索引具有任意形状的张量的最后一个轴。
你也可以看看