如何在 Tensorflow 中更新多维张量的一组特定索引

Question

我有这个形状为 [1,32,32,155] 的多维张量，我想更新它 [:,:,:,0:27] 索引。

在 pytorch 中，只需使用索引分配即可做到这一点，即 [:,:,:,0:27] = [1,32,32,27]。 Tensorflow 目前不支持索引分配。因此，我的第一次尝试是执行以下操作：

     feat_ch = tf.unstack(feat, axis=3)
     feat_ch[0:self.ncIn] = tf.unstack(upFeat, axis=3 )
     feat = tf.stack(feat_ch, axis=3)

feat_ch 是 [1,32,32,155]，upFeat 是张量 [1,32,32,27]。 这里的想法是折叠通道维度上的 feat_ch 张量，这样我就得到了一个包含 155 个条目的列表，其中包含 1、32、32。然后对 upFeat 做同样的事情，然后将 feat_ch 列表的前 27 替换为 upFeat 的 27。最后，将它们堆叠起来再次得到 [1,32,32,155] 形状的张量（这次更新了 27 个第一个通道）

但是，我不确定它是否符合我的要求。于是我开始研究还有哪些其他的替代方案可以更新。

Tensorflow 有一个方法 tensor_scatter_nd_update，这似乎正是我想要的。但是，我发现很难绕开我的头。到目前为止我尝试过的是：

    i1, i2, i3, i4 = tf.meshgrid(tf.range(1),
    tf.range(32), tf.range(32), tf.range(27) , indexing="ij") #shape [1,32,32,27]
    feat = tf.tensor_scatter_nd_update(feat, i1, upFeat)

这里的想法是创建一个形状相同的网格，并且每个元素都对应于我希望更新的专长的索引。但是，这不起作用并抛出以下内容：

The inner -23 dimensions of output.shape=[1,32,32,155] must match the inner 1 dimensions of updates.shape=[1,32,32,27]: Shapes must be equal rank, but are 0 and 1

我理解错了吗？为什么它不起作用？如何更新 ND 张量？

谢谢

Answer 1

使用切片和concat:

feat = tf.random.uniform([1, 32, 32, 155])
updates = tf.zeros([1, 32, 32, 27])
result = tf.concat((feat[:,:,:,27:], updates), -1)