假设我有一个 64x64x64 的 3D 图像。我还有一个长度为 64 的向量 x。
我想像这样采用'argmax（x）'层：
2d_image = 3d_image[:,argmax(x),:]
更精确（对于张量流）：
def extract_slice(x,3d_image):
slice_index = tf.math.argmax(x,axis=1,output_type=tf.dtype.int32) #it has to be int for indexing
return 3d_image[:,slice_index,:]
错误是：
Only integers, slices (`:`), ellipsis (`...`), tf.newaxis (`None`) and scalar tf.int32/tf.int64 tensors are valid indices, got <tf.Tensor 'ArgMax_50:0' shape=(None,) dtype=int32>
参数的 np.shape 是：
3d_image 形状是(None, 64, 64, 64, 1)
x 形状是(None, 64)
slice_index 形状是(None,)
-> 3d_image 形状的 ,1 维是因为它是数组中的一个样本。我认为这无关紧要
我知道 None 形状是批量大小，这是未知的，但其他看起来很棒..那么问题是什么？
据我了解，看起来索引不是 int32，但实际上我确实将它转换为 tf.int 那么可能是什么问题？也许 int32 与 tf.int32 不同？或者我使用的索引方法在张量流中无效？也许它应该是一个类似的函数：tf.index(image,[:,slice_index,:])..？
谢谢！