tf.gather()介绍
tf.gather(
params, indices, validate_indices=None, axis=None, batch_dims=0, name=None
)官网一共给了6个参数，只介绍其中重要的3个参数。
tf.gather(params,indices,axis=0)
给定一个4*3矩阵params=[[1,2,3],[4,5,6],[7,8,9],[10,11,12]]
indices = [0,2]
运行tf.gather(params,indices,axis=0)
会得到[[1,2,3],[7,8,9]]
这是为何呢？先说axis，axis=0等于在params的行上面进行提取，注意params的shape，是(4,3),axis=0就是在（4,3）的第0个下标的数字进行提取。
indices=[0,2]：代表提取params的第0行和第2行。接下来上图。
提出来的结果就是[[1,2,3],[7,8,9]]。
如果换成axis=1，自然就是在列上提取。第0列和第2列。
结果就是：
[[ 1 3]
[ 4 6]
[ 7 9]
[10 12]], shape=(4, 2), dtype=int32)。
接下来上难度，
params= tf.reshape(tf.range(210),[5,6,7])
indices = tf.reshape(tf.range(24),[2,3,4])
print(tf.gather(params, indices, axis=0))params是这样：
tf.Tensor(
[[[ 0 1 2 3 4 5 6]
[ 7 8 9 10 11 12 13]
[ 14 15 16 17 18 19 20]
[ 21 22 23 24 25 26 27]
[ 28 29 30 31 32 33 34]
[ 35 36 37 38 39 40 41]]
[[ 42 43 44 45 46 47 48]
[ 49 50 51 52 53 54 55]
[ 56 57 58 59 60 61 62]
[ 63 64 65 66 67 68 69]
[ 70 71 72 73 74 75 76]
[ 77 78 79 80 81 82 83]]
[[ 84 85 86 87 88 89 90]
[ 91 92 93 94 95 96 97]
[ 98 99 100 101 102 103 104]
[105 106 107 108 109 110 111]
[112 113 114 115 116 117 118]
[119 120 121 122 123 124 125]]
[[126 127 128 129 130 131 132]
[133 134 135 136 137 138 139]
[140 141 142 143 144 145 146]
[147 148 149 150 151 152 153]
[154 155 156 157 158 159 160]
[161 162 163 164 165 166 167]]
[[168 169 170 171 172 173 174]
[175 176 177 178 179 180 181]
[182 183 184 185 186 187 188]
[189 190 191 192 193 194 195]
[196 197 198 199 200 201 202]
[203 204 205 206 207 208 209]]], shape=(5, 6, 7), dtype=int32)
indices是这样：
tf.Tensor(
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]], shape=(2, 3, 4), dtype=int32)
那么再运行tf.gather(params,indices,axis=0)会是什么结果，会怎么切割，其实这已经不重要，重要的是会形成一个怎样的矩阵。
会形成一个shape为[2,3,4,6,7]的矩阵，其实就是拿indices的shape[2,3,4]，去替换掉params的shape第0位，也就是替换掉5。为什么是第0位，因为axis=0。
如果axis=1，就是替换第1位，也就是6，会形成一个[5,2,3,4,7]的矩阵。
如果axis=2，就是替换第2位，也就是6，会形成一个[5,6,2,3,4]的矩阵。