Numpy 等效于“tf.tensor_scatter_nd_add”方法

Question

问题确实在标题中，我正在寻找 scipy/numpy/etc 中的方法。 （不是 TensorFlow），它封装了 tf.tensor_scatter_nd_add 中描述的行为，但在 Numpy 数组而不是张量上。

我遇到了scipy.ndimage.sum 方法，但无法重现我在下面给出的示例。

您认为适合的任何方法都必须能够重现 TF 文档中提供的 rank-3 示例：

    indices = tf.constant([[0], [2]])
    updates = tf.constant([[[5, 5, 5, 5], [6, 6, 6, 6],
                            [7, 7, 7, 7], [8, 8, 8, 8]],
                           [[5, 5, 5, 5], [6, 6, 6, 6],
                            [7, 7, 7, 7], [8, 8, 8, 8]]])
    tensor = tf.ones([4, 4, 4],dtype=tf.int32)
    updated = tf.tensor_scatter_nd_add(tensor, indices, updates)
    print(updated)

希望有人以前解决过类似的问题并可以在这里提供帮助 - 提前致谢！

Answer 1

我可以确认以下函数为我捕获了所需的行为：

    def scatter_nd_add_numpy(target, indices, updates):
        indices = tuple(indices.reshape(-1, indices.shape[-1]).T)
        np.add.at(target, indices, updates)
        return target

感谢 Remy 在this stackoverflow thread 上的回答。