在列表中指定的索引处将零分配给张量

Question

我必须张量，例如

A = tf.Tensor(
       [[1.0986123 0.6931472 0.        0.6931472 0.       ]
        [0.        0.        0.        0.        0.       ]
        [3.7376697 3.7612002 3.7841897 3.8066626 3.8286414]], shape=(3, 5), dtype=float32)

B = tf.Tensor(
   [[2 1]
    [2 2]], shape=(2, 2), dtype=int64)

张量 B 在张量 A 中保存索引。我想将张量 A 中的每个值更新为索引列表 B 中列出的零。

所以，预期的结果是

tf.Tensor(
       [[1.0986123 0.6931472 0.        0.6931472 0.       ]
        [0.        0.        0.        0.        0.       ]
        [3.7376697 0 0 3.8066626 3.8286414]], shape=(3, 5), dtype=float32)

因此索引 [2,1] 和 [2, 2] 处的条目设置为 0。

我查看了tf.assign，但它们只能用于tf.Variable。 tf.boolean_mask 将是一个不错的方法，但我不知道也无法找到如何创建带有索引列表的布尔掩码。

我查看了我能找到的张量流函数和相关的 S/O 答案，但找不到令人满意的解决方案。

Answer 1

您可以为此使用tf.scatter_nd_update。例如：

A = tf.Variable(
    [[1.0986123, 0.6931472, 0.       , 0.6931472, 0.       ],
     [0.       , 0.       , 0.       , 0.       , 0.       ],
     [3.7376697, 3.7612002, 3.7841897, 3.8066626, 3.8286414]], dtype=tf.float32)

B = tf.Variable(
    [[2, 1],
     [2, 2]], dtype=tf.int64)

C = tf.scatter_nd_update(A, B, tf.zeros(shape=tf.shape(B)[0]))

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(C))

或

A = tf.constant(
    [[1.0986123, 0.6931472, 0.       , 0.6931472, 0.       ],
     [0.       , 0.       , 0.       , 0.       , 0.       ],
     [3.7376697, 3.7612002, 3.7841897, 3.8066626, 3.8286414]], dtype=tf.float32)

B = tf.constant(
    [[2, 1],
     [2, 2]], dtype=tf.int64)

AV = tf.Variable(A)

C = tf.scatter_nd_update(AV, B, tf.zeros(shape=tf.shape(B)[0]))

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(C))