如何在TensorFlow中实现选择性meshgrid以生成指定组合向量？

完全可以实现，核心思路是通过筛选元素索引位置来获取符合要求的有序对（仅保留原数组中位置靠前的元素与位置靠后的元素的组合），具体代码如下：

import tensorflow as tf

def combine(x):
    # 生成原数组的索引序列
    indices = tf.range(tf.shape(x)[0])
    # 创建索引的全量网格
    idx_i, idx_j = tf.meshgrid(indices, indices, indexing='ij')
    # 筛选出"前元素索引 < 后元素索引"的掩码
    valid_mask = idx_i < idx_j
    # 提取符合条件的索引对
    target_indices = tf.stack([
        tf.boolean_mask(idx_i, valid_mask),
        tf.boolean_mask(idx_j, valid_mask)
    ], axis=1)
    # 根据索引从原数组中取出对应元素，组合成目标张量
    combo = tf.gather(x, target_indices)
    print(combo)
    
x = tf.constant([11, 0, 7, 1])
combine(x)

代码说明 #

1. 先创建原数组的索引序列，通过索引位置来判断元素对是否符合要求；
2. 用meshgrid生成索引的全量网格，再通过idx_i < idx_j的掩码，筛选出所有原数组中位置靠前的元素与位置靠后的元素的组合；
3. 利用boolean_mask提取符合条件的索引对，最后通过tf.gather根据索引从原数组中取出对应元素，得到目标结果。

运行后输出的张量即为：tf.Tensor([[11 0] [11 7] [11 1] [ 0 7] [ 0 1] [ 7 1]], shape=(6, 2), dtype=int32)，完全匹配需求。

内容的提问来源于stack exchange，提问作者Anto