假设我有一个64x64x64的3D图像。我还有一个向量x，它的长度是64。
我想采取这样的"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,:]
错误为：
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图像形状为(None, 64, 64, 64, 1)
x形状为(None, 64)
切片_索引形状为(None,)
->3d_image形状的，1维度是因为它是来自数组的样本。。我认为这无关紧要
我知道没有一个形状是批量大小，这是未知的，但其他形状看起来很好。。那么问题出在哪里呢？
据我所知，这个索引看起来不是int32，但我确实把它转换成了tf.int，所以问题出在哪里？？也许int32与tf.int32不同？或者我使用的索引方法在tensorflow中无效？也许它应该是这样一个函数：tf.index(image，[：，slice_index，：](。。？
谢谢！
Argmax返回1D张量。将其转换为标量：
slice_index = tf.reshape(slice_index, ())