在神經網路計算過程中，經常會遇到需要將矩陣中的某些元素取出並且單獨進行計算的步驟（例如MLE，Attention等操作）。那麼在 tensorflow 的 Variable 型別中如何做到這一點呢？

首先假設 Variable 是一個一維陣列 A：

import numpy as np

import tensorflow as tf

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

A = tf.Variable(a)

我們把我們想取出的元素的索引存到 B 中，如果我們只想取出陣列 A 中的某一個元素，則 B 的設定為：

b = np.array([3])

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

由於我們的索引座標只有一維，所以 shape=1。

取出元素然後組合成tensor C 的操作如下：

C = tf.gather_nd(A,B)

執行：

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]

如果我們想取出一維陣列中的多個元素，則需要把每一個想取出的元素索引都單獨放一行：

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

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

此時由於我們想要從一維陣列中索引 4 個數，所以 shape=[4,1]

再次執行得到：

[4 3 6 1]

////////////////////////////////////////////////////////////////////////////////////華麗麗的分割線

假設 Variable 是一個二維矩陣 A：

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

A = tf.Variable(a)

首先我們先取出 A 中的一個元素，需要給定該元素的行列座標，存到 B 中：

b = np.array([2，3])

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

注意由於我們輸入的索引座標變成了二維，所以shape也變為2。

取出元素然後組合成tensor C：

C = tf.gather_nd(A,feed_dict=feed_dict)
  print result

得到：

[12]

同樣的，如果我們想取出二維矩陣中的多個元素，則需要把每一個想取出的元素的索引都單獨放一行：

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

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

此時由於我們想要從二維矩陣中索引出 4 個數，所以 shape=[4,2]

再次執行得到：

[12 5 11 2]

////////////////////////////////////////////////////////////////////////////////////華麗麗的分割線

推廣到 n 維矩陣中：

假設 A 是 Variable 型別的 n 維矩陣，我們想取出矩陣中的 m 個元素，那麼首先每個元素的索引座標要表示成列表的形式：

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

其中 xj 代表該元素在 n 維矩陣中第 j 維的位置。

其次每個座標要單獨佔索引矩陣的一行：

index_matrix = [[x11,x12,x13,x1n],[x21,x22,x23,x2n],[x31,x32,x33,x3n],.......................................,[xm1,xm2,xm3,xmn]]

最後用 tf.gather_nd() 函式替換即可：

result = tf.gather_nd(A,index_matrix)

////////////////////////////////////////////////////////////////////////////////////華麗麗的分割線

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

以上這篇將tensorflow.Variable中的某些元素取出組成一個新的矩陣示例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。