在Tensor中调整单个值— TensorFlow- AskGo

在Tensor中调整单个值— TensorFlow

tensorflow

我问这个问题感到很尴尬，但是如何在张量中调整单个值？假设您只想在张量中的一个值上加上“ 1”？

通过建立索引无法正常工作：

TypeError: 'Tensor' object does not support item assignment

一种方法是建立形状相同的0的张量。然后在所需位置调整1。然后将两个张量加在一起。同样，这会遇到与以前相同的问题。

我已经多次阅读API文档，似乎无法弄清楚该如何做。提前致谢！

参考资料：

Stack Overflow

2020-05-30 21:48:24 更新

伯芦• 653

共 2 个回答

高赞时间活跃

tf.scatter_update(ref, indices, updates)或tf.scatter_add(ref, indices, updates)如何？

ref[indices[...], :] = updates
ref[indices[...], :] += updates

看到这个。

2020-05-30 21:48:57 更新

陈甘雨• 727

更新： TensorFlow 1.0包含一个tf.scatter_nd()运算符，可用于在下面创建delta而不创建tf.SparseTensor 。

对于现有的操作，这实际上是令人惊讶的棘手！也许有人可以提出一种更好的方法来总结以下内容，但这是实现此目的的一种方法。

假设您有一个tf.constant()张量：

c = tf.constant([[0.0, 0.0, 0.0],
                 [0.0, 0.0, 0.0],
                 [0.0, 0.0, 0.0]])

...并且您想在位置[1，1]处添加1.0 。你可以做到这一点的一种方法是定义一个tf.SparseTensor ， delta ，代表着变化：

indices = [[1, 1]]  # A list of coordinates to update.

values = [1.0]  # A list of values corresponding to the respective
                # coordinate in indices.

shape = [3, 3]  # The shape of the corresponding dense tensor, same as `c`.

delta = tf.SparseTensor(indices, values, shape)

然后可以使用tf.sparse_tensor_to_dense() op从delta生成密集张量并将其添加到c ：

result = c + tf.sparse_tensor_to_dense(delta)

sess = tf.Session()
sess.run(result)
# ==> array([[ 0.,  0.,  0.],
#            [ 0.,  1.,  0.],
#            [ 0.,  0.,  0.]], dtype=float32)

2020-05-30 21:48:54 更新