Tensorflow 2.0：相当于numpy。沿_轴取_

Question

这就是我的问题：我实现了一个简单的函数，它返回以矩阵形式组织的信号峰值

@tf.function
def get_peaks(X, X_err):
    prominence = 0.9
    # X shape (B, N, 1)
    max_pooled = tf.nn.pool(X, window_shape=(20, ), pooling_type='MAX', padding='SAME') 
    maxima = tf.equal(X, max_pooled) #shape (1, N, 1)
    maxima = tf.cast(maxima, tf.float32)
    peaks = tf.squeeze(X * maxima) #shape (1, N, 1) ==> shape (N,)
    peaks_err = X_err * tf.squeeze(maxima)
    peaks_idxs, idxs = tf.math.top_k(peaks, k=2)
    return peaks_idxs, idxs 

如您所见，输入具有shape(B, N, 1)，即批处理样本，每个样本都是N个元素的一维向量。 返回的idxs和peaks_idxs都是正确的，它们具有形状（B，2），即批次中每个样本的两个最大值的位置（和峰值）

问题是，我还想取与idxs对应的peak_err。对于numpy，我将使用：

np.take_along_axis(peaks_err, idxs, axis=1)

它实际上返回了一个正确的(B, 2)形状的矩阵。我怎样才能用tf做同样的事情？ 实际上，我已经尝试使用tf.gather：

tf.gather(peaks_err, idxs, axis=1)

但它不起作用，结果是不正确的形状（B，B，2），和大量的零。 你知道我怎么解决吗？谢谢

Answer 1

我已经解决了添加三行的问题：

@tf.function
def get_local_maxima3(XC, SXC):
    prominence = 0.9
    # x shape (1, N, 1)
    max_pooled = tf.nn.pool(XC, window_shape=(20, ), pooling_type='MAX', padding='SAME') 
    maxima = tf.equal(XC, max_pooled) #shape (1, N, 1)
    maxima = tf.cast(maxima, tf.float32)
    peaks = tf.squeeze(XC * maxima) #shape (1, N, 1) ==> shape (N,)
    peaks_err = SXC * tf.squeeze(maxima)
    #maxima = tf.where(tf.greater(peaks, prominence)) # shape (N,)
    peaks, idxs = tf.math.top_k(peaks, k=2)

    idxs_shape = tf.shape(idxs)
    grid = tf.meshgrid(*(tf.range(idxs_shape[i]) for i in range(idxs.shape.ndims)), indexing='ij')
    index_full = tf.stack(grid[:-1] + [idxs], axis=-1)
    peaks_err = tf.gather_nd(peaks_err, index_full)
    return peaks, peaks_err

它起作用了！ 如果你能找到/有一个更聪明/更快的解决方案，我将不胜感激