如何将 Tensorflows scatter_nd 与切片一起使用？答案

【问题标题】：How can I use Tensorflows scatter_nd with slices?如何将 Tensorflows scatter_nd 与切片一起使用？
【发布时间】：2019-04-02 11:23:35
【问题描述】：

我正在尝试仅优化变量的一部分。我找到了this 看似有用的答案。

但是我的变量是一个图像，我只想更改它的一部分，所以我试图将代码扩展到更多维度。这似乎工作正常：

import tensorflow as tf
import tensorflow.contrib.opt as opt

X = tf.Variable([[1.0, 2.0], [3.0, 4.0]])

# the next two lines need to change because
# manually specifying the values is not feasible
indexes = tf.constant([[0, 0], [1, 0]])
updates = [X[0, 0], X[1, 0]]

part_X = tf.scatter_nd(indexes, updates, [2, 2])
X_2 = part_X + tf.stop_gradient(-part_X + X)
Y = tf.constant([[2.5, -3.5], [5.5, -7.5]])
loss = tf.reduce_sum(tf.squared_difference(X_2, Y))
opt = opt.ScipyOptimizerInterface(loss, [X])

init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    opt.minimize(sess)
    print("X: {}".format(X.eval()))

但是，由于我的图像尺寸和我想选择的区域要大得多，因此手动指定所有索引是不可行的。我想知道如何使用切片或范围分配来做到这一点。

【问题讨论】：

标签： python tensorflow range slice

【解决方案1】：

你可以这样做：

import tensorflow as tf

# Input with size (50, 100)
X = tf.Variable([[0] * 100] * 50)
# Selected slice
row_start = 10
row_end = 30
col_start = 20
col_end = 50
# Make indices from meshgrid
indexes = tf.meshgrid(tf.range(row_start, row_end),
                      tf.range(col_start, col_end), indexing='ij')
indexes = tf.stack(indexes, axis=-1)
# Take slice
updates = X[row_start:row_end, col_start:col_end]
# Build tensor with "filtered" gradient
part_X = tf.scatter_nd(indexes, updates, tf.shape(X))
X_2 = part_X + tf.stop_gradient(-part_X + X)
# Continue as before...

【讨论】：