Tensorflow 2.0: which the equivalent of numpy. take_along_ax

Question

这是我的问题：我实现了一个简单的函数，它返回组织为矩阵的信号峰值。

@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，输入具有形状(B, N, 1)，即批量样本，每个样本都是N个元素的一维向量。 返回的idxs既正确又peaks_idxs，它们具有形状(B，2(，即批次中每个样品的两个最大值的位置(和峰值(。

问题是我还想拿与idxs对应的peak_err.有了numpy我将使用：

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

这实际上返回了一个形状为(B, 2)的正确矩阵。我怎样才能用 tf 做同样的事情？ 我实际上尝试过使用tf.gather：

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

但它不起作用，形状(B、B、2(和大量零的结果不正确。 你知道我该怎么解决吗？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

它有效！ 如果您找到/拥有更智能/更快的解决方案，我将不胜感激。