目錄

?

1、利用index進行索引

2、利用“：”和“...”進行索引與切片

3、tf.gather（）——對一個維度進行亂序索引

優勢：

缺點：

例子

4、tf.gather_nd()——同時對多個維度進行索引

5、tf.boolean_mask()——通過布爾值來進行索引

---

1、利用index進行索引

2、利用“：”和“...”進行索引與切片

對于每一維

start：end：step

默認的是區間是：【start_index,end_index）

默認的取值間隔為：step

3、tf.gather（）——對一個維度進行亂序索引

tf.gather(a，axies=n,indices=[5,1,3,2,5])1、a是數據源，即待索引切片的數據，設a.shape = tensorshape[4,35,8]
2、axies=n，表示的是需要進行索引的維度數，axies=0,表示對第一維進行索引，axies=1，表示對第二維進行索引，以此類推
3、indices=[,,,]：表示要提取數據的索引號4、通過tf.gather（）返回的依舊是一個tensor

優勢：

前面的兩種索引方法是需要遵循一定的順序進行索引切片的，那要進行亂序索引應該怎么辦呢？這就需要用到

tf.gather()

缺點：

tf.gather()——一次只能對一個維度進行索引

例子

?

4、tf.gather_nd()——同時對多個維度進行索引

如上圖可知，要想對多個維度進行索引時，可以用gather依次選取，但是維度很多時就不行了

這時候就需要使用到tf.gather_nd（）

?

?

5、tf.boolean_mask()——通過布爾值來進行索引

TRUE則表示取值

FALSE表示不取值

tf.boolean_mask(a,mask=[True/False,...,True/False],axies=n)1、a表示的是數據源，待索引的數據集2、mask=【】：這里是由True和false組成的列表，根據這個列表去指定的維度進行索引，TRUE取值，FALSE不取3、axies=n:指定要進行索引的維度數，從外層到內層維度數依次從0遞增注意：mask列表中TRUE和FALSE的總數必須和指定維度的元素的個數保持一致，否則會報錯

?

?