将一个张量的一部分分配到另一个张量中的相应位置答案

【问题标题】：Assign part of a tensor to the corresponding places in another tensor将一个张量的一部分分配到另一个张量中的相应位置
【发布时间】：2022-01-20 19:47:19
【问题描述】：

我找不到如何用另一个张量数据替换部分张量数据。挖了一点之后，我看到很多报告说张量是不可分配的数据；建议了一些解决方法，例如 (https://github.com/tensorflow/tensorflow/issues/14132#issuecomment-483002522)。

让我举一个简单的例子来说明我在寻找什么。我有两批如下：


x=·tf.random.uniform((2,3,2))
y= tf.random.uniform((2,3,2))
print (x)
print ('===================')
print (y)

上面两批的输出如下：

<tf.Tensor: shape=(2, 3, 2), dtype=float32, numpy=
array([[[0.17130184, 0.5413419 ],
        [0.6435019 , 0.82179713],
        [0.79388785, 0.9519701 ]],

       [[0.46769345, 0.9812336 ],
        [0.5796915 , 0.29866755],
        [0.0442245 , 0.86057484]]], dtype=float32)>
===================
<tf.Tensor: shape=(2, 3, 2), dtype=float32, numpy=
array([[[0.82299507, 0.8277409 ],
        [0.24233484, 0.4353037 ],
        [0.23145556, 0.00768614]],

       [[0.83972216, 0.03451204],
        [0.46768224, 0.44939125],
        [0.7840742 , 0.99360645]]], dtype=float32)>

我想将 x 批次中每个数组的第一行替换为 y 批次中的对应数组。

我期待这样的结果：


<tf.Tensor: shape=(2, 3, 2), dtype=float32, numpy=
array([[[0.82299507, 0.8277409 ],  # copied from the y batch
        [0.6435019 , 0.82179713],
        [0.79388785, 0.9519701 ]], 

       [[0.83972216, 0.03451204],  # copied from the y batch
        [0.5796915 , 0.29866755],
        [0.0442245 , 0.86057484]]], dtype=float32)>

将批次转换为 NumPy 时以下工作（但这不是我想要的，我想直接使用张量）

x = x.numpy()
y = y.numpy()

x[:, 0:1 , : ] = y[:, 0:1 , :]
x

输出是 NumPy 数组，我可以再次将其转换为张量，但我想直接在张量上进行此类操作。

array([[[0.82299507, 0.8277409 ],
        [0.6435019 , 0.82179713],
        [0.79388785, 0.9519701 ]],

       [[0.83972216, 0.03451204],
        [0.5796915 , 0.29866755],
        [0.0442245 , 0.86057484]]], dtype=float32)

非常感谢任何帮助。

【问题讨论】：

github.com/tensorflow/tensorflow/issues/… 你可能会发现 lokk at assign tf 变量的方法很有用。
感谢您的帮助；但您的链接已包含在我原来的问题中。让我们等待可以在这方面提供帮助的人

标签： tensorflow keras deep-learning conv-neural-network tensor

【解决方案1】：

也许只使用tf.concat:

import tensorflow as tf
tf.random.set_seed(1)

x= tf.random.uniform((2,3,2))
y= tf.random.uniform((2,3,2))
print('X -->', x)
print('Y -->', y)
print('Z -->', tf.concat([y[:, 0:1 , :], x[:, 1: , : ]], axis=1))

X --> tf.Tensor(
[[[0.16513085 0.9014813 ]
  [0.6309742  0.4345461 ]
  [0.29193902 0.64250207]]

 [[0.9757855  0.43509948]
  [0.6601019  0.60489583]
  [0.6366315  0.6144488 ]]], shape=(2, 3, 2), dtype=float32)
Y --> tf.Tensor(
[[[0.51010704 0.44353175]
  [0.4085331  0.9924923 ]
  [0.68866396 0.34584963]]

 [[0.436067   0.601061  ]
  [0.45662427 0.75269794]
  [0.18799722 0.54875696]]], shape=(2, 3, 2), dtype=float32)
Z --> tf.Tensor(
[[[0.51010704 0.44353175]
  [0.6309742  0.4345461 ]
  [0.29193902 0.64250207]]

 [[0.436067   0.601061  ]
  [0.6601019  0.60489583]
  [0.6366315  0.6144488 ]]], shape=(2, 3, 2), dtype=float32)

【讨论】：

非常感谢；您的解决方案适用于我的情况。重新分配张量的最佳解决方法（将张量嵌入另一个张量）。
如果您不介意，如何从批次 y 的左上角更新批次 x 的左上角。如果可能，请将其添加到您的答案中以获得更全面的解决方案。