TensorFlow中按索引张量排序唯一元素新张量的代码问题排查

你的代码逻辑其实是对的，但有两个小细节问题导致你看不到期望的输出：

1. 没有捕获计算结果：在TensorFlow 1.x中，sess.run(d)只是执行了张量的计算，但你没有把结果赋值给变量，直接打印d的话，输出的是张量的定义对象，而不是实际计算出来的数值。
2. Python语法错误：Python 3里print是函数，必须加括号写成print(d)，否则会触发语法报错。

先拆解下你的代码逻辑（是正确的）： #

• tf.unique([[1,2], [3,4], [1,2], [3,4], [3,4]])返回的a是原张量的唯一子张量列表：[[1,2], [3,4]]
• tf.unique([1,0,1,0,0])返回的b是原序列的唯一元素：[1, 0]
• a[b, :]会根据b的索引从a中取元素，也就是a[1, :]（即[3,4]）和a[0, :]（即[1,2]），正好是你期望的[[3,4], [1,2]]

修正后的代码： #

import tensorflow as tf
a, _ = tf.unique([[1, 2], [3, 4], [1, 2], [3, 4], [3, 4]])
b, _ = tf.unique([1, 0, 1, 0, 0])
d = a[b, :]

with tf.Session() as sess:
    # 这里不需要初始化全局变量，因为我们没有定义任何可训练变量
    output = sess.run(d)
    print(output)

运行这段代码就会输出你想要的结果：

[[3 4]
 [1 2]]

额外补充（TensorFlow 2.x 版本写法）： #

如果使用TF2.x，不需要手动创建Session，直接用 eager 执行模式会更简洁：

import tensorflow as tf

a, _ = tf.unique([[1, 2], [3, 4], [1, 2], [3, 4], [3, 4]])
b, _ = tf.unique([1, 0, 1, 0, 0])
d = a[b, :]
print(d.numpy())

内容的提问来源于stack exchange，提问作者nairouz mrabah