tensorflow 无法在热切张量中分配的解决方法答案

【问题标题】：Workaround for tensorflow's inability to assign in eager tensorstensorflow 无法在热切张量中分配的解决方法
【发布时间】：2020-04-21 17:14:59
【问题描述】：

Eager 张量不支持赋值。我需要做任务。

a = tf.convert_to_tensor(np.random.choice(10, size = 12).reshape(3,4))
b = tf.convert_to_tensor(np.array([2,3]))
a[:,b] *= -1
Traceback (most recent call last):

  File "<ipython-input-15-516f7e5d5213>", line 3, in <module>
    a[:,b] *= -1

  File "/opt/anaconda3/envs/covid_timeseries/lib/python3.7/site-packages/tensorflow_core/python/ops/array_ops.py", line 777, in _slice_helper
    _check_index(s)

  File "/opt/anaconda3/envs/covid_timeseries/lib/python3.7/site-packages/tensorflow_core/python/ops/array_ops.py", line 666, in _check_index
    raise TypeError(_SLICE_TYPE_ERROR + ", got {!r}".format(idx))

TypeError: Only integers, slices (`:`), ellipsis (`...`), tf.newaxis (`None`) and scalar tf.int32/tf.int64 tensors are valid indices, got <tf.Tensor: id=3, shape=(2,), dtype=int64, numpy=array([2, 3])>

有一个关于如何解决问题的建议here：

new = original * mask + other * (1 - mask)

我无法完成这项工作，因为我想不出一种方法来创建本身不涉及分配的蒙版！

我非常感谢一些可以帮助我实施这种高级方法的指导，可能是这样的：

def tf_assign_workaround(tensor, index, newvals):
    ??
    return tensor_with_index_assigned_to_newvals

编辑：这是原始的、更简单的示例

a = tf.convert_to_tensor(np.random.choice(10, size = 12).reshape(3,4))
a[:,1] *= -1
Traceback (most recent call last):

  File "<ipython-input-35-f8973c287624>", line 2, in <module>
    a[:,1] *= -1

TypeError: 'tensorflow.python.framework.ops.EagerTensor' object does not support item assignment

【问题讨论】：

那你想做什么？否定第二列中的值？
上面的例子只是为了机械地演示我在做什么。在我真正的问题中，我有一个张量流模型，我用它来预测一组微分方程的参数，然后我在梯度磁带中运行 diff eqs。 diff eqs 的输出需要通过网络的不同输出进一步修改。简而言之，这真的很复杂。 @thrushv89
无论如何，你的问题是一个更根本的问题。您正在尝试更改 tf.Tensor 对象的值。您可以通过转换现有的tf.Tensor 对象来创建新的tf.Tensor 对象，但您不能就地编辑tf.Tensor。
因此问题。我需要一个解决方法！连蒙版都分配不了怎么办？！？
您的问题的答案在很大程度上取决于您想要的面具。你能提供一个玩具例子吗？我可以提供一个否定第二列的例子。但听起来你的问题过于简单化了。

标签： python tensorflow variable-assignment

【解决方案1】：

我认为您正在尝试执行以下操作：

>>> import numpy as np
>>> import tensorflow as tf
>>> a = tf.convert_to_tensor(np.random.choice(10, size = 12).reshape(3,4))
>>> a
<tf.Tensor: shape=(3, 4), dtype=int64, numpy=
array([[1, 1, 4, 2],
       [9, 3, 9, 1],
       [0, 9, 1, 4]])>
>>> mask = tf.convert_to_tensor(np.ones([3,4]).astype(int)*[1, 1, 0, 0])
<tf.Tensor: shape=(3, 4), dtype=int64, numpy=
array([[1, 1, 0, 0],
       [1, 1, 0, 0],
       [1, 1, 0, 0]])>
>>> a = a * mask - a * (1-mask)
>>> a
<tf.Tensor: shape=(3, 4), dtype=int64, numpy=
array([[ 1,  1, -4, -2],
       [ 9,  3, -9, -1],
       [ 0,  9, -1, -4]])>

请注意，您必须使用相同的类型，因此掩码也必须是 int64。

如果您想使其通用并更改要屏蔽的列数：

n=3
a = tf.convert_to_tensor(np.random.choice(10, size = 12).reshape(3,4))
mask = tf.convert_to_tensor(np.ones([3,4]).astype(int)*([1]*(4-n)+[0]*n))
a = a * mask - a * (1-mask)

你会得到带有倒号的最后三列：

<tf.Tensor: shape=(3, 4), dtype=int64, numpy=
array([[ 4, -1, -8, -5],
       [ 8, -6, -7, -9],
       [ 6, -3, -8, -5]])>

【讨论】：