Tensorflow：如何像numpy中那样使用2D-index来索引张量

Question

我想在Tensorflow中执行以下numpy代码：

input = np.array([[1,2,3]
                  [4,5,6]
                  [7,8,9]])
index1 = [0,1,2]
index2 = [2,2,0]
output = input[index1, index2]
>> output
[3,6,7]

给定输入，例如：

input = tf.constant([[1, 2, 3],
                     [4, 5, 6],
                     [7, 8, 9]])

我已经尝试了以下方法，但似乎有点过头了：

index3 = tf.range(0, input.get_shape()[0])*input.get_shape()[1] + index2
output = tf.gather(tf.reshape(input, [-1]), index3)
sess = tf.Session()
sess.run(output)
>> [3,6,7]

这仅起作用是因为我的第一个索引方便地为[0,1,2]，但对于[0,0,2]则不可行（除了看起来很长而且很丑）。

您是否有更简单的语法，更张量/ pythonic的语法？

Answer 1

您可以使用tf.gather_nd（tf.gather_nd官方文档）进行以下操作：

import tensorflow as tf
inp = tf.constant([[1, 2, 3],
                   [4, 5, 6],
                   [7, 8, 9]])
res=tf.gather_nd(inp,list(zip([0,1,2],[2,2,0])))
sess = tf.Session()
sess.run(res)

结果是 array([3, 6, 7])