如何索引张量并更改值

Question

我正在使用tensorflow 研究算法。 以下是所需代码的NumPy 版本：

x = [1,2,3,4,5,6,7,8,9,10]
sets = {1,5,7}
y = [0,0,0,0,0,0,0,0,0,0]

for i in range(10):
    if i in sets:
        y[i] = x[i]

得到结果：

y = [0,2,0,0,0,6,0,8,0,0]

如何在tensorflow 中实现这一点？ 有没有办法在tensorflow 中使用相同的逻辑来实现这一点，而不是在计算后将NumPy 数组转换为张量，而是使用张量进行所有操作（例如，使用张量来索引张量，并分配其如果索引在集合中，则按 x(tensor) 计算值）。

Answer 1

你可以在 TensorFlow 中这样做：

import tensorflow as tf
x = tf.constant([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
sets = tf.constant([1, 5, 7])
y = tf.constant([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
y2 = tf.tensor_scatter_nd_update(y, tf.expand_dims(sets, 1), tf.gather(x, sets))
print(y2.numpy())
# [0 2 0 0 0 6 0 8 0 0]

如果你的y 总是由零组成（也就是说，你只想“填充”sets 给出的位置），那么你可以这样做：

import tensorflow as tf
x = tf.constant([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
sets = tf.constant([1, 5, 7])
y2 = tf.scatter_nd(tf.expand_dims(sets, 1), tf.gather(x, sets), tf.shape(x))
print(y2.numpy())
# [0 2 0 0 0 6 0 8 0 0]

作为一种替代方法，您也可以使用遮罩来做到这一点，尽管我认为它不应该更快：

import tensorflow as tf
x = tf.constant([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
sets = tf.constant([1, 5, 7])
y = tf.constant([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
s = tf.shape(x, out_type=sets.dtype)
mask = tf.math.reduce_any(tf.equal(tf.range(s[0]), tf.expand_dims(sets, 1)), 0)
y2 = tf.where(mask, x, y)
# Or if y is always zeros:
#y2 = x * tf.dtypes.cast(mask, x.dtype)
print(y2.numpy())
# [0 2 0 0 0 6 0 8 0 0]

Answer 2

我没有清楚地理解你的问题。但这就是我认为你需要的。您可以使用

将numpy数组转换为张量

test_array = np.array([1,2,3,4])
random1_array = tf.convert_to_tensor(test_array)

如果您不想使用 numpy 并将其转换为张量，这是另一种方法。

test_array = tf.Variable([1,2,3,4])
test_array_2 = tf.Variable([5,6,7,8])
 

现在您可以进行各种计算，例如加法、减法等。 就像你对 numpy 数组所做的那样。