用值填充张量中的特定索引答案

【问题标题】：Fill a specific index in tensor with a value用值填充张量中的特定索引
【发布时间】：2018-07-28 06:19:57
【问题描述】：

我是 tensorflow 的初学者。我创建了这个张量

z = tf.zeros([20,2], tf.float32)

我想将索引z[2,1] 和z[2,2] 的值更改为1.0 而不是零。我该怎么做？

【问题讨论】：

标签： python arrays tensorflow machine-learning variable-assignment

【解决方案1】：

针对这个问题的 Tensorflow 2.x 解决方案如下所示：

import tensorflow as tf

z = tf.zeros([20,2], dtype=tf.float32)

index1 = [2, 0]
index2 = [2, 1]

result = tf.tensor_scatter_nd_update(z, [index1, index2], [1.0, 1.0])
tf.print(result)

[[0 0]
 [0 0]
 [1 1]
 ...
 [0 0]
 [0 0]
 [0 0]]

【讨论】：

【解决方案2】：

一个更好的方法是使用tf.sparse_to_dense。

tf.sparse_to_dense(sparse_indices=[[0, 0], [1, 2]],
                   output_shape=[3, 4],
                   default_value=0,
                   sparse_values=1,
                   )

输出：

[[1, 0, 0, 0]
 [0, 0, 1, 0]
 [0, 0, 0, 0]]

但是，tf.sparse_to_dense 最近已被弃用。因此，使用tf.SparseTensor 然后使用tf.sparse.to_dense 得到与上面相同的结果

【讨论】：

【解决方案3】：

一个简单的方法：

import numpy as np
import tensorflow as tf

init = np.zeros((20,2), np.float32)
init[2,1] = 1.0
z = tf.variable(init)

或使用tf.scatter_update(ref, indices, updates) https://www.tensorflow.org/api_docs/python/tf/scatter_update

【讨论】：

【解决方案4】：

您完全问的问题是不可能的，原因有两个：

z 是一个常数张量，不能改变。
没有z[2,2]，只有z[2,0]和z[2,1]。

但假设您想将z 更改为变量并修复索引，则可以这样做：

z = tf.Variable(tf.zeros([20,2], tf.float32))  # a variable, not a const
assign21 = tf.assign(z[2, 0], 1.0)             # an op to update z
assign22 = tf.assign(z[2, 1], 1.0)             # an op to update z

with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())
  print(sess.run(z))                           # prints all zeros
  sess.run([assign21, assign22])
  print(sess.run(z))                           # prints 1.0 in the 3d row

【讨论】：

这适用于 Tensorflow 1。在 TF-2 中运行此代码时：AttributeError: module 'tensorflow' has no attribute 'assign'