项目分配 Tensorflow 2.0 - TypeError：“tensorflow.python.framework.ops.EagerTensor”对象不支持项目分配答案

【问题标题】：Item Assignment Tensorflow 2.0 - TypeError: 'tensorflow.python.framework.ops.EagerTensor' object does not support item assignment项目分配 Tensorflow 2.0 - TypeError：“tensorflow.python.framework.ops.EagerTensor”对象不支持项目分配
【发布时间】：2019-10-04 18:40:00
【问题描述】：

我正在使用 Tensorflow 2.0，并正在尝试更新我的张量中的切片。

使用像 PyTorch 中的普通项目分配，它不起作用。

import tensorflow as tf

tensor = tf.ones((10, 192, 85))
tensor[:, :, 0] = tf.math.sigmoid([:, :, 0])

>>> Output
TypeError: 'tensorflow.python.framework.ops.EagerTensor' object does not support item assignment

我看到可以使用tf.tensor_scatter_nd_update，但感觉太冗长而效率不高，因为我必须单独导出要更新的索引。因此，我不确定这是否是在急切张量中进行项目分配的最佳方法（我需要下面的代码块来实现上面更简单的“PyTorch 2-liner style”）：

import tensorflow as tf

def get_indices(tensor):
  indices = []
  for i in range(tensor.shape[0]):
    for j in range(tensor.shape[1]):
      indices.append([i, j, 0])
  return tf.convert_to_tensor(indices)

tensor = tf.ones((10, 192, 85))
indices = get_indices(tensor)
updates = tf.reshape(tf.math.sigmoid(tensor[:, :, 0]), (-1,))
tensor = tf.tensor_scatter_nd_update(tensor, indices, updates)

在 Tensorflow 2.0 中是否有更简单/更有效的方式来分配 EagerTensors 的项目？

【问题讨论】：

标签： python tensorflow

【解决方案1】：

你可以这样做：

tensor = tf.ones((10, 192, 85))
tensor = tf.concat([tf.math.sigmoid(tensor[:,:,0:1]), tensor[:,:,1:]], axis=2)

【讨论】：

这适用于在最后一层执行 sigmoid，但如果我必须在张量内跨不同层执行 sigmoid 操作，那么它可能不太合适。
或者，a,b,c, = tf.split(tensor, [a_dim, b_dim, c_dim], axis=2); tf.concat([a, tf.math.sigmoid(b), c], axis=2) 并指定您要处理的 b_dim。