tf.nn.top_k 函数可获取张量的前 k 个最大值，有两个输出，一个是前 k 个的值，另一个是前 k 个的索引。我需要的是提取一下张量的索引（这个张量也是训练求得的，涉及权重一类的，不是固定的），然后根据索引映射提取其他张量进行后续工作。
但是我发现，要是只提取 top_k 的第二个输出即索引的话，我前面定义的那些权重都是没有用的（训练的时候不会更新）；如果提取的是 top_k 的第一个输出（即值）那些权重是会更新的。
然而我需要的是索引，不是值。这个问题要怎么解决呀！
我是觉得索引也是根据值的大小确定的，为什么这些权重不会更新呀，有什么其他方法可实现这个功能吗？
提问人： xxyun_yun，2018-4-18 09:43:18
TensorFlow 计算图是根据需要更新的，你需要把相应更新的节点都放入 sess.run (fetches, …) 列表中。
inputs = tf.placeholder (tf.float32, shape=[None, 3])
values, indicies = tf.nn.top_k (inputs, k=2)
print sess.run ([values, indicies], feed_dict={inputs: [[1,2,3], [4,5,6]]})
TianLin，发表于 2018-4-18 13:52:41
谢谢回复，我试过了还是不行。我将这个索引写到了 sess.run () 里面，还是和之前有一样的错。我觉得是因为，我定义损失函数的时候用的预测值中没有用到前面定义的权重，所以一直报 ValueError: None values not supported.。看到有人说单用索引是没有梯度的，也有可能吧
xxyun_yun（提问者），发表于 2018-4-18 14:33:01
您可以具体说下您的需求吗？
我的理解是您
1，对 1 班学生成绩做 topk 拿到 1 班学生高分的位置
2，然后套到 2 班学生上，
3，拿到 2 班学生对应位置的平均成绩和一个标准比（算 loss function）
4，然后要求原来的 1 班学生对应提高成绩？ （back propagation 到 1 班）
AirLRJ，发表于 2018-4-18 17:57:42
意思差不多，只不过 1、2 班是有联系的。相当于用一个数据经过一些变换，求得了一班最高分位置，然后将这些位置映射到最开始的那个数据上，再对这些数据做后续的计算，获取 loss function
xxyun_yun（提问者），2018-4-18 19:31
我也遇到了同样的问题，但我分析后发现，如果使用的是索引值，那么在梯度回传的时候，这个地方是不可导的，那在 tenforflow 里经过这里的梯度就变成 0 了，不管怎么更新，他都是 0，那么他之前的就无法更新了，也就没有什么用了，但如何解决，目前我也还在尝试中。
little1tow，发表于 2018-8-7 23:29:59