如何使用 tf.scatter_add 在张量流中增加矩阵元素？

【问题标题】：how to increment matrix element in tensorflow using tf.scatter_add?如何使用 tf.scatter_add 在张量流中增加矩阵元素？
【发布时间】：2016-07-19 14:21:37
【问题描述】：

tf.scatter_add 适用于 1d（形状 1）张量：

> S = tf.Variable(tf.constant([1,2,3,4]))
> sess.run(tf.initialize_all_variables())
> sess.run(tf.scatter_add(S, [0], [10]))

array([11,  2,  3,  4], dtype=int32)

> sess.run(tf.scatter_add(S, [0, 1], [10, 100]))

array([ 21, 102,   3,   4], dtype=int32)

但是我怎样才能增加，比如说

的 [0,0] 元素

M = tf.Variable(tf.constant([[1,2], [3,4]]))

使其成为 [[2, 2], [3, 4]] 使用 tf.scatter_add？

official documentation 有点神秘。我尝试了不同的 arg 值，比如

> sess.run(tf.scatter_add(M, [[0, 0]], [1]))
*** ValueError: Shapes (1,) and (1, 2, 2) are not compatible

并没有成功。

顺便说一句，在我的情况下，M 非常大并且可以动态调整大小。因此，将等于 1 个元素的矩阵添加到 M 中的情况并非如此。

【问题讨论】：

标签： python tensorflow

【解决方案1】：

tf.scatter_add 更新张量的切片并且不能更新单个系数。例如，它可以一次更新矩阵的整行。

此外，tf.scatter_add 的 updates 参数的形状取决于其 indices 参数的形状。当ref 参数是一个形状为(M, N) 的矩阵时，那么

如果indices 是一个标量i，那么updates 应该是一个形状为(N) 的向量。
如果indices 是形状为(k) 的向量[i1, i2, .. ik]，则updates 的形状应为(k, N)。

在你的情况下，你可以简单地将[1, 0]添加到M的第一行，如下所示得到你想要的效果：

sess.run(tf.scatter_add(M, 0, [1, 0]))
array([[2, 2],
   [3, 4]], dtype=int32)

【讨论】：