tensor_scatter_nd_update ValueError: Shapes must be equal rank, but are 0 and 1

Question

我一直能够使用tf.tensor_scatter_nd_update 写入张量而没有任何问题，但我无法弄清楚为什么它不适用于某些特定的张量。

举个简单的例子，假设我想根据布尔掩码mask=[[1 0 1]] 将input=[[0 0 0]] 中的某些值设置为update=[[1 2 3]]。 我会这样做：

input=tf.tensor_scatter_nd_update(input,tf.where(mask),update)

期望操作的结果是input=[[1 0 3]]。

相反，我得到了

ValueError: Dimensions [2,2) of input[shape=[1,3]] = [] must match dimensions [1,2) of updates[shape=[1,3]] = [3]: Shapes must be equal rank, but are 0 and 1 for ... with input shapes: [1,3], [?,2], [1,3].

我真的不知道出了什么问题；即使在更复杂的情况下，我也始终能够毫无问题地使用该功能。

Answer 1

我想通了。

问题的一部分确实是tf.where() 返回了一个二维张量，但这是因为我使用它来生成updates 向量：

input=input=tf.tensor_scatter_nd_update(input,tf.where(mask),tf.where(something_else))

解决方案是通过以下方式删除多余的维度：

input=input=tf.tensor_scatter_nd_update(input,tf.where(mask),tf.squeeze(tf.where(something_else)))