Tensorflow 2：根据二维张量对三维张量排序

Question

我有一个三维张量，有批次，序列，特征尺寸（N，s，e）。这是一个概率分布序列。然后我想根据与最高预测对应的整数对它们进行排序。这么说

x_probabs = 3D tensor (ex: [[[0.5, 0.1, 0.4], [0.3, 0.3, 0.4], [0.1,
0.8, 0.1]]]; # shape N s e

x = tf.argmax(x_probabs, axis=-1) = [[0, 2, 1]]; # shape N s

或者另一个例子是

x_probabs=[[[0.6, 0.1, 0.1, 0.1, 0.1], [0.1,0.1,0.1,0.1,0.6], [0.1,0.1,0.1,0.6,0.1]]];

x = [[0, 4, 3]];

如果我想订购x，我可以做ordered_x = tf.sort(x, axis=-1)，那么为了获得订购，我可以做indices_sorted_x = tf.argsort(x, axis=-1)。我想对x_概率应用相同的排序，但我不知道该怎么做，我尝试过{}，但它不起作用，因为索引用于二维张量，而不是三维张量。我被困在这里了

下面是第一个示例的外观

sorted_x = [[0,1,2]];
sorted_x_probabs = [[[0.5, 0.1, 0.4],[0.1,
    0.8, 0.1],[0.3, 0.3, 0.4]]];

这是第二个例子

sorted_x = [[0,3,4]];
sorted_x_probabs = [[[0.6, 0.1, 0.1, 0.1, 0.1],[0.1,0.1,0.1,0.6,0.1],[0.1,0.1,0.1,0.1,0.6]]];

事先非常感谢

Answer 1

您可以添加batch_dims参数以从较低维度开始收集：

x = tf.gather(x_probabs, x, batch_dims=1)