有两种主要方法可以访问Tensor中元素的子集，其中任何一种都适用于您的示例。
1.使用索引运算符（基于tf.slice()）从Tensor中提取连续切片。

input = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

output = input[0, :]
print sess.run(output)  # ==> [1 2 3]

索引运算符支持许多与NumPy相同的切片规范。
1.使用tf.gather()操作从Tensor中选择非连续切片。

input = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

output = tf.gather(input, 0)
print sess.run(output)  # ==> [1 2 3]

output = tf.gather(input, [0, 2])
print sess.run(output)  # ==> [[1 2 3] [7 8 9]]

注意，tf.gather()只允许选择第0维中的整个切片（在矩阵示例中是整个行），因此可能需要对输入执行tf.reshape()或tf.transpose()操作以获得适当的元素。

我希望我已经很好地理解了您的问题。您可以通过.numpy()访问TensorFlow 2中Tensor的元素。

import tensorflow as tf
t = tf.constant([[1,2,3]])

print(t.numpy()[0][1]) # This will print 2

>>> 2

我怀疑是计算的其余部分花费了时间，而不是访问一个元素。
同样，结果可能需要从内存中拷贝，所以如果它在显卡上，则需要先将其拷贝回RAM，然后才能访问元素。如果是这种情况，您可以跳过它，添加一个张流操作来获取第一个元素，并只返回该元素。

不运行就无法获得1，2，3的第0个元素的值（）-命名或求值（）-ing一个操作，这个操作将获取它。因为在“run”或“eval”之前，你只有一个如何获取这个内部元素的描述（因为TF使用符号图形/计算）。所以即使你会使用tf.gather/tf.slice，你仍然需要通过eval/run来获得这些操作的值**，参见@mrry的答案。