如何在张量流中张量的某些索引处插入某些值？

Posted 2023-02-23

【中文标题】如何在张量流中张量的某些索引处插入某些值？

【英文标题】：How to insert certain values at certain indices of a tensor in tensorflow?

【发布时间】：2019-11-01 10:50:33

【问题描述】：

假设我有一个形状为100x1 的张量input 和另一个形状为20x1 的张量index_tensor 形状为100x1。 index_tensor 代表input 的位置，我想在其中插入来自inplace 的值。 index_tensor 只有 20 个 True 值，其余值为 False。我尝试在下面解释所需的操作。 使用tensorflow如何实现这个操作。

assign 操作仅适用于tf.Variable，而我想将其应用于tf.nn.rnn 的输出。

我读到可以使用tf.scatter_nd，但它要求inplace 和index_tensor 具有相同的形状。

我想使用它的原因是我从 rnn 得到一个输出，然后我从中提取一些值并将它们提供给一些密集层，这个来自密集层的输出，我想插入回原来的张量，我从 rnn 操作中获得。由于某些原因，我不想对 rnn 的整个输出应用密集层操作，如果我不将密集层的结果插入到 rnn 的输出中，那么密集层有点没用。

任何建议都将不胜感激。

【参考方案1】：

因为您拥有的张量是不可变的，所以您不能为其分配新值，也不能就地更改它。您要做的是使用标准操作修改其值。以下是您的操作方法：

input_array = np.array([2, 4, 7, 11, 3, 8, 9, 19, 11, 7])
inplace_array = np.array([10, 20])
indices_array = np.array([0, 0, 1, 0, 0, 0, 1, 0, 0, 0])
# [[2], [6]] 
indices = tf.cast(tf.where(tf.equal(indices_array, 1)), tf.int32)
# [0, 0, 10, 0, 0, 0, 20, 0, 0, 0]
scatter = tf.scatter_nd(indices, inplace_array, shape=tf.shape(input_array))
# [1, 1, 0, 1, 1, 1, 0, 1, 1, 1]
inverse_mask = tf.cast(tf.math.logical_not(indices_array), tf.int32)
# [2, 4, 0, 11, 3, 8, 0, 19, 11, 7]
input_array_zero_out = tf.multiply(inverse_mask, input_array)
# [2, 4, 10, 11, 3, 8, 20, 19, 11, 7]
output = tf.add(input_array_zero_out, tf.cast(scatter, tf.int32))