我可以使用张量作为列表索引吗？
Can I use a Tensor as a list index?
我有这个自定义 Keras 层，它可以在列表的元素之间进行选择，例如密集层，我希望它 return 它直接预测的列表元素。
该列表是Keras.layers.Layer的列表。
我有这段代码：
def call(self, inputs, context):
pred = tf.argmax(tf.matmul(context, self.kernel))
return self.layers[pred](inputs)
它抛出一个错误：TypeError: list indices must be integers or slices, not Tensor，这是可以理解的，但我找不到让它工作的方法。 "pred" Tensor 没有 .numpy 属性，虽然我很想 运行 这个程序，因为这是在构建层时发生的。
我知道可能没有解决方案，如果是这样，请提交有关如何以其他方式对该层进行编码的想法。
有一个更大的问题。
这一层将不起作用，因为您无法获得 argmax 的导数，kernel 将无法训练。你会收到类似 "An operation has None for gradient"
的错误消息
作为解决方法，我建议您：
- 1：计算所有图层（希望它们的形状相同？）
- 2：在第二个维度中堆叠他们的结果：
tf.stack([listf_of_outputs],axis=1)
- 2: 对
matmul 的结果取一个 softmax
- 3：将
softmax的结果重塑为与上面堆叠结果相同的维数：shape (-1, number_of_layers, _other_dims_if_exist, 1)
- 4：将堆叠结果乘以（按元素
*）重塑后的 softmax 并对轴 1 求和。
我有这个自定义 Keras 层，它可以在列表的元素之间进行选择，例如密集层，我希望它 return 它直接预测的列表元素。
该列表是Keras.layers.Layer的列表。
我有这段代码：
def call(self, inputs, context):
pred = tf.argmax(tf.matmul(context, self.kernel))
return self.layers[pred](inputs)
它抛出一个错误：TypeError: list indices must be integers or slices, not Tensor，这是可以理解的，但我找不到让它工作的方法。 "pred" Tensor 没有 .numpy 属性，虽然我很想 运行 这个程序，因为这是在构建层时发生的。
我知道可能没有解决方案，如果是这样，请提交有关如何以其他方式对该层进行编码的想法。
有一个更大的问题。
这一层将不起作用，因为您无法获得 argmax 的导数，kernel 将无法训练。你会收到类似 "An operation has None for gradient"
作为解决方法，我建议您：
- 1：计算所有图层（希望它们的形状相同？）
- 2：在第二个维度中堆叠他们的结果：
tf.stack([listf_of_outputs],axis=1) - 2: 对
matmul 的结果取一个 - 3：将
softmax的结果重塑为与上面堆叠结果相同的维数：shape(-1, number_of_layers, _other_dims_if_exist, 1) - 4：将堆叠结果乘以（按元素
*）重塑后的 softmax 并对轴 1 求和。
softmax