tf.gather( )的详细解析

素颜马尾好姑娘i 2023-10-04 13:46 4阅读 0赞

## tf.gather()函数 ##

tf.gather（）
    该接口的作用：就是抽取出params的第axis维度上在indices里面所有的index
     
    tf.gather(
        params,
        indices,
        validate_indices=None,
        name=None,
        axis=0
    )
     
    '''
    Args:
        params: A Tensor. The tensor from which to gather values. Must be at least rank axis + 1.
        indices: A Tensor. Must be one of the following types: int32, int64. Index tensor. Must be in range [0, params.shape[axis]).
        axis: A Tensor. Must be one of the following types: int32, int64. The axis in params to gather indices from. Defaults to the first dimension. Supports negative indexes.
        name: A name for the operation (optional).
    Returns:
        A Tensor. Has the same type as params.
    '''

**参数说明：**

**params:** A Tensor.  
**indices:** A Tensor. types必须是: int32, int64. 里面的每一个元素大小必须在 \[0, params.shape\[axis\])范围内.  
**axis:** 维度。沿着params的哪一个维度进行抽取indices  
返回的是一个tensor

## 示例 ##

#### 1.当axis参数省略时，即axis默认为axis=0 ####

temp=np.arange(7)*7*2+tf.constant(1,shape=[7])
    print(temp) #temp是一个tf张量，直接打印只显示形状和类型，需要创建会话机制
    
    temp1=tf.gather(temp,[0,2,4]) #取temp一维张量中第0，第2，第4的值形成一个tf张量
    
    with tf.Session() as sess:
        print(sess.run(temp))
        print(sess.run(temp1))

结果：

Tensor("add:0", shape=(7,), dtype=int32)
    [ 1 15 29 43 57 71 85]
    [ 1 29 57]

#### 2.当temp为多维时，这里是4维张量，indices=\[0,2\],axis=0 ####

input =[ [[[1, 1, 1], [2, 2, 2]],
             [[3, 3, 3], [4, 4, 4]],
             [[5, 5, 5], [6, 6, 6]]],
     
             [[[7, 7, 7], [8, 8, 8]],
             [[9, 9, 9], [10, 10, 10]],
             [[11, 11, 11], [12, 12, 12]]],
     
            [[[13, 13, 13], [14, 14, 14]],
             [[15, 15, 15], [16, 16, 16]],
             [[17, 17, 17], [18, 18, 18]]]
             ]
     
    print(tf.shape(input))
    with tf.Session() as sess:
        output=tf.gather(input, [0,2],axis=0)#其实默认axis=0
        print(sess.run(output))

结果：

Tensor("Shape:0", shape=(4,), dtype=int32)
    [[[[ 1  1  1]
       [ 2  2  2]]
    
      [[ 3  3  3]
       [ 4  4  4]]
    
      [[ 5  5  5]
       [ 6  6  6]]]
    
    
     [[[13 13 13]
       [14 14 14]]
    
      [[15 15 15]
       [16 16 16]]
    
      [[17 17 17]
       [18 18 18]]]]

#### 解释： ####

第一个\[ 是列表语法需要的括号，剩下的最里面的三个\[\[\[是axis=0需要搜寻的中括号。这里一共有3个\[\[\[。  
indices的\[0,2\]即取第0个\[\[\[和第2个\[\[\[，也就是第0个和第2个三维立体。

#### 3.当indices=\[0,2\],axis=1 ####

input =[ [[[1, 1, 1], [2, 2, 2]],
             [[3, 3, 3], [4, 4, 4]],
             [[5, 5, 5], [6, 6, 6]]],
     
             [[[7, 7, 7], [8, 8, 8]],
             [[9, 9, 9], [10, 10, 10]],
             [[11, 11, 11], [12, 12, 12]]],
     
            [[[13, 13, 13], [14, 14, 14]],
             [[15, 15, 15], [16, 16, 16]],
             [[17, 17, 17], [18, 18, 18]]]
             ]
    print(tf.shape(input))
    with tf.Session() as sess:
        output=tf.gather(input, [0,2],axis=1)#默认axis=0
        print(sess.run(output))

结果：

Tensor("Shape:0", shape=(4,), dtype=int32)
    [[[[ 1  1  1]
       [ 2  2  2]]
    
      [[ 5  5  5]
       [ 6  6  6]]]
    
    
     [[[ 7  7  7]
       [ 8  8  8]]
    
      [[11 11 11]
       [12 12 12]]]
    
    
     [[[13 13 13]
       [14 14 14]]
    
      [[17 17 17]
       [18 18 18]]]]

#### 解释： ####

第一个\[ 是列表语法需要的括号，先把这个干扰去掉，剩下的每个\[\[\[中所有内侧的 \[\[ 是axis=1搜索的中括号。  
然后\[0,2\]即再取每个\[\[\[体内的第0个\[\[和第2个\[\[，也就是去每个三维体的第0个面和第2个面