TensorFlow、批量索引（第一维）和排序

我有一个形状为 params 张量(?,368,5)，以及具有形状的查询张量(?,368)。查询张量存储用于对第一个张量进行排序的索引。

所需的输出具有以下形状：(?,368,5)。由于我需要它作为神经网络中的损失函数，因此所使用的操作应该保持可微分。另外，在运行时第一个轴的大小?对应于批量大小。

到目前为止我尝试过tf.gather and tf.gather_nd， 然而tf.gather(params,query)结果得到形状为的张量(?,368,368,5).

查询张量是通过执行以下操作来实现的：

query = tf.nn.top_k(params[:, :, 0], k=params.shape[1], sorted=True).indices

总的来说，我尝试按第三轴上的第一个元素对参数张量进行排序（用于某种倒角距离）。最后要提的是，我与Keras框架。

您需要将第一个维度的索引添加到query为了使用它tf.gather_nd。这是一种方法：

import tensorflow as tf
import numpy as np

np.random.seed(100)

with tf.Graph().as_default(), tf.Session() as sess:
    params = tf.placeholder(tf.float32, [None, 368, 5])
    query = tf.nn.top_k(params[:, :, 0], k=params.shape[1], sorted=True).indices
    n = tf.shape(params)[0]
    # Make tensor of indices for the first dimension
    ii = tf.tile(tf.range(n)[:, tf.newaxis], (1, params.shape[1]))
    # Stack indices
    idx = tf.stack([ii, query], axis=-1)
    # Gather reordered tensor
    result = tf.gather_nd(params, idx)
    # Test
    out = sess.run(result, feed_dict={params: np.random.rand(10, 368, 5)})
    # Check the order is correct
    print(np.all(np.diff(out[:, :, 0], axis=1) <= 0))
    # True