在 Tensorflow 中将张量插入更大的张量答案

【问题标题】：Insert Tensor into bigger tensor in Tensorflow在 Tensorflow 中将张量插入更大的张量
【发布时间】：2020-02-05 19:19:10
【问题描述】：

我使用的是 TensorFlow 1.15 我有一个张量，其中包含一个形状为 (BatchsizeWidthHeight*3)

的图像

我有一个大小为 Batchsize*50*50*3 的补丁我想在原始图像中指定插入补丁的位置。但是为了让它更简单，假设我有一个包含 10 个元素的一维数组并且想要替换给定索引处的单个值开头应该是这样的。

sess = tf.Session()
array = tf.placeholder("float32",[10]) # for easier explanation a 1d array 
variable = tf.get_variable(name=var,shape=[1],intializer=init) # This variable should replace the value
index = tf.placeholder("int32",[1]) # the value on this index should be replaced
# Here The value of the image tensor at place index should be replaced with the variable

in_dict = {image: np.zeros([10],dtype="float")
           index: 4}
sess.run(...,feed_dict=in_dict)

tf.where 需要两个大小相同的张量，但我的变量和数组的大小不同。

【问题讨论】：

标签： python tensorflow

【解决方案1】：

您可以使用填充的较小张量来做到这一点。

import tensorflow as tf
import numpy as np

x = tf.placeholder(tf.float32, [10])
x_sub = tf.placeholder(tf.float32, [2])
idx = tf.placeholder(tf.int32, ())


def assign_slice(x, y, idx):
  '''return x with x[r:r+len(y)] assigned values from y'''
  x_l = x.shape[0]
  y_l = y.shape[0]
  #pad the smaller tensor accordingly with shapes and index using NaNs
  y_padded = tf.pad(y, [[idx, x_l-y_l-idx]], constant_values=float('NaN'))
  #if value in padded tensor is NaN, use x, else use y
  return tf.where(tf.is_nan(y_padded), x, y_padded)


y = assign_slice(x, x_sub, idx)

with tf.Session() as sess:
  print(sess.run(y, feed_dict={x:np.ones([10]), x_sub:np.zeros([2]), idx:2}))

这应该打印[1. 1. 0. 0. 1. 1. 1. 1. 1. 1.]。

另一种方法可能是使用掩码提供相同大小的张量，即： out = x * mask + y * (1-mask)

【讨论】：