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
以上这篇将tensorflow.Variable中的某些元素取出组成一个新的矩阵示例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
其实字符串也是一种数据类型，但是，字符串比较特殊的是还有一个编码问题。下面这篇文章主要给大家介绍了Python中的字符串操作和编码Unicode详解的相关资料,需要的朋友可以参考借鉴，下面来一起看看吧。2017-01-01
xadmin使用formfield_for_dbfield函数过滤下拉表单实例
这篇文章主要介绍了xadmin使用formfield_for_dbfield函数过滤下拉表单实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-04-04
这篇文章主要介绍了Django 创建/删除用户的示例代码，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-07-07
python中format函数用于字符串的格式化，这篇文章主要介绍了python中强大的format函数,需要的朋友可以参考下2018-12-12
这篇文章主要介绍了python文件读取时顺序错误的问题及解决方案,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2023-08-08
这篇文章主要介绍了django做form表单的数据验证过程详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-07-07
对pandas中两种数据类型Series和DataFrame的区别详解
今天小编就为大家分享一篇对pandas中两种数据类型Series和DataFrame的区别详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-11-11
这篇文章主要介绍了如何遍历python中的对象属性问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2023-11-11
今天小编就为大家分享一篇pytorch梯度剪裁方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-02-02
内存映射通常可以提高I/O的性能，本文主要介绍了Python使用mmap实现内存映射文件操作，分享给大家，感兴趣的可以了解一下2021-06-06
最新评论