gather_nd

paddle. gather_nd ( x, index, name=None ) [源代码]

gather 的高维推广，并且支持多轴同时索引。index 是一个 K 维度的 Tensor，它可以认为是从 x 中取 K-1 维 Tensor，每一个元素是一个切片：

\[output[(i_0, ..., i_{K-2})] = x[index[(i_0, ..., i_{K-2})]]\]

显然，index.shape[-1] <= x.rank 并且输出 Tensor 的维度是 index.shape[:-1] + x.shape[index.shape[-1]:] 。

示例：

给定：
    x = [[[ 0,  1,  2,  3],
              [ 4,  5,  6,  7],
              [ 8,  9, 10, 11]],
             [[12, 13, 14, 15],
              [16, 17, 18, 19],
              [20, 21, 22, 23]]]
    x.shape = (2, 3, 4)

- 案例 1:
    index = [[1]]

    gather_nd(x, index)
             = [x[1, :, :]]
             = [[12, 13, 14, 15],
                [16, 17, 18, 19],
                [20, 21, 22, 23]]

- 案例 2:

    index = [[0,2]]
    gather_nd(x, index)
             = [x[0, 2, :]]
             = [8, 9, 10, 11]

- 案例 3:

    index = [[1, 2, 3]]
    gather_nd(x, index)
             = [x[1, 2, 3]]
             = [23]

参数

  • x (Tensor) - 输入 Tensor，数据类型可以是 int32、int64、float16、float32、float64、bool。

  • index (Tensor) - 输入的索引 Tensor，其数据类型 int32 或者 int64。它的维度 index.rank 必须大于 1，并且 index.shape[-1] <= x.rank 。

  • name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回

shape 为 index.shape[:-1] + x.shape[index.shape[-1]:]的 Tensor，数据类型与 x 一致。

代码示例

>>> import paddle

>>> x = paddle.to_tensor([[[1, 2], [3, 4], [5, 6]],
...                       [[7, 8], [9, 10], [11, 12]]])
>>> index = paddle.to_tensor([[0, 1]])

>>> output = paddle.gather_nd(x, index)
>>> print(output)
Tensor(shape=[1, 2], dtype=int64, place=Place(cpu), stop_gradient=True,
[[3, 4]])

使用本API的教程文档