更新张量流中的张量切片答案

【问题标题】：Update slice of tensor in tensorflow更新张量流中的张量切片
【发布时间】：2019-01-09 20:28:17
【问题描述】：

我想更新一个 3 维的张量切片。关注How to do slice assignment in Tensorflow 我会做类似的事情

import tensorflow as tf

with tf.Session() as sess:
    init_val = tf.Variable(tf.zeros((2, 3, 3)))
    indices = tf.constant([[0, 0, 0], [0, 0, 1], [0, 1, 0], [0, 1, 1]])
    update = tf.scatter_nd_add(init_val, indices, tf.ones(4))

    init = tf.global_variables_initializer()
    sess.run(init)
    print(sess.run(update))

这可行，但由于我的实际问题更复杂，我想通过定义切片的开头和大小以某种方式自动生成索引集，例如如果您使用tf.slice(...)。你有什么想法？提前致谢！

我使用的是 TensorFlow 1.12，它是当前最新版本。

【问题讨论】：

标签： python tensorflow

【解决方案1】：

tf.strided_slice 支持传递 var 参数来指示切片所引用的变量，因此当您传递它时，它将返回一个可分配对象（我不确定他们为什么不这样做，具体取决于输入的类型，但无论如何）。你可以这样做：

import tensorflow as tf
import numpy as np

var = tf.Variable(np.ones((3, 4), dtype=np.float32))
s = tf.strided_slice(var, [0, 2], [2, 3], var=var, name='var_slice')
s2 = s.assign([[2], [3]])
init_op = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init_op)
    print(sess.run(s2))

输出：

[[1. 1. 2. 1.]
 [1. 1. 3. 1.]
 [1. 1. 1. 1.]]

请注意，在tf.strided_slice 中，您提供了开始和结束索引（不包括结束），与在tf.slice 中，您提供开始和大小不同。此外，就目前的代码而言，您必须为切片或分配操作提供名称值（我认为这应该是一个错误并且发生，因为这部分 API 几乎完全在内部使用）。

【讨论】：