TF.Gather和TF.Gather_ND：通过索引在TensorFlow中提取数据

在TensorFlow中，tf.gather和tf.gather_nd是两个非常有用的函数，它们允许我们根据提供的索引从多维数组（即tensors）中提取数据。尽管这两个函数都用于类似的目的，但它们在处理索引的方式上有一些重要的区别。
tf.gather
tf.gather函数用于从给定轴的tensor中提取数据。它需要两个主要参数：一个tensor和一个索引 tensor。索引 tensor中的每个元素都是0或1到tensor的形状的整数。这些索引决定了从tensor的哪些位置提取数据。
基本语法如下：

tf.gather(params, indices, axis=0, batch_dims=0, name=None)

参数：

• params: 一个多维tensor，表示源数据。
• indices: 一个与params的shape[axis]相等的整数tensor，表示要提取的元素的索引。
• axis: 要提取的轴。如果设置为0，则params必须是一个一维或二维tensor。
• batch_dims: 在将params分割成小批处理时使用的维度数。如果设置为0，则不需要分割。
• name: 可选参数，表示输出的操作名称。
  示例：

  import tensorflow as tf
  # 创建一个2x3的tensor
  data = tf.constant([[1, 2, 3], [4, 5, 6]])
  # 创建一个包含索引的tensor
  indices = tf.constant([1, 2])
  # 使用tf.gather从data中提取指定的元素
  result = tf.gather(data, indices)  # 结果是[4, 6]

  tf.gather_nd
  tf.gather_nd函数用于从给定形状的任意子集的tensor中提取数据。它需要两个主要参数：一个tensor和一个索引 tensor。索引 tensor定义了要提取的数据的形状和位置。
  基本语法如下：

  tf.gather_nd(params, indices, name=None)

  参数：
• params: 一个多维tensor，表示源数据。
• indices: 一个整数tensor，表示要提取的元素的索引。它的shape必须是一个较小的维度列表，且必须与params的shape完全兼容。
• name: 可选参数，表示输出的操作名称。
  示例：

  import tensorflow as tf
  # 创建一个3x3的tensor
  data = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
  # 创建一个包含索引的tensor，定义要提取的数据的形状和位置
  indices = tf.constant([[1, 1], [0, 2]])  # 从第1行第1列和第0行第2列提取元素，结果是一个2x2的子矩阵：[[5, 8], [3, 6]]
  # 使用tf.gather_nd从data中提取指定的元素，得到一个2x2的tensor
  result = tf.gather_nd(data, indices)  # 结果是[[5, 8], [3, 6]]

  总结：tf.gather和tf.gather_nd都允许我们根据提供的索引从tensors中提取数据，但它们处理索引的方式有所不同。tf.gather在指定的轴上提取数据，而tf.gather_nd则允许我们在任意子集的形状中提取数据。根据实际应用的需求选择适当的函数。