幾個point
- [:,i]類似python直接的index 列操作是可行的，
- 注意i不能是variable，如果是使用slice
- slice操作會保持和輸入tensor一樣的shape 返回 而1對應的列操作會降維
- Slice 使用-1 表示該維度元素全選類似:
import tensorflow as tf
sess = tf.InteractiveSession()
In [12]:
t = tf.constant([[1, 2, 3], [4, 5, 6]], dtype=tf.float32)
In [19]:
tf.expand_dims(t, 1).eval()
Out[19]:
array([[[ 1., 2., 3.]],
[[ 4., 5., 6.]]], dtype=float32)
In [14]:
t.eval().shape
Out[14]:
(2, 3)
In [18]:
tf.expand_dims(t, 1).eval().shape
Out[18]:
(2, 1, 3)
In [17]:
tf.concat(1, [tf.zeros([2,1]), t]).eval()
Out[17]:
array([[ 0., 1., 2., 3.],
[ 0., 4., 5., 6.]], dtype=float32)
In [20]:
t[:,1].eval()
Out[20]:
array([ 2., 5.], dtype=float32)
In [26]:
tf.reshape(t[:,1],[-1, 1]).eval()
Out[26]:
array([[ 2.],
[ 5.]], dtype=float32)
In [25]:
tf.reshape(t[:,1],[-1, 1]).eval().shape
Out[25]:
(2, 1)
In [34]:
tf.expand_dims(t[:,1],1).eval()
Out[34]:
array([[ 2.],
[ 5.]], dtype=float32)
In [28]:
tf.expand_dims(t[:,1],1).eval().shape
Out[28]:
(2, 1)
In [29]:
tf.gather(t, 1).eval()
Out[29]:
array([ 4., 5., 6.], dtype=float32)
In [35]:
tf.slice(t, [0, 1], [-1, 1]).eval()
Out[35]:
array([[ 2., 3.],
[ 5., 6.]], dtype=float32)
建議使用slice，不過有的時候希望自動降維的時候 直接用[:,]操作更方便比如
輸入tensor
#[batch_size, num_negs, emb_dim]
neg_comment_feature = tf.reduce_mean(neg_comment_feature,2)
下面希望
#[batch_size, emb_dim] <= [batch_size, num_negs, emb_dim]
可能的幾種方式
for i in xrange(num_negs):
neg_comment_feature_i = tf.reshape(tf.slice(neg_comment_feature, [0, i, 0], [-1, 1, emb_dim]), [-1, emb_dim])
neg_comment_feature_i = tf.reshape(tf.slice(neg_comment_feature, [0, i, 0], [-1, 1, -1]), [-1, emb_dim])
neg_comment_feature_i = neg_comment_feature[:,i,:] #直接降維