如何在不破坏原始张量的情况下翻转张量流张量中的单个位?

arr = tf.Variable(initial_value=[True, False, True], dtype=tf.bool) 现在,我需要翻转一位arr,并在会话期间将其分配给一个新变量。我必须对循环中的每一位都这样做。

我可以在arr中进行就地替换,但这会破坏原来的张量arr

import tensorflow as tf

arr = tf.Variable(initial_value=[True, False, True], dtype=tf.bool)
flipped_bit = tf.placeholder(dtype=tf.int32, shape=())
flipped_arr = tf.assign(arr[flipped_bit],
                        tf.math.logical_not(arr[flipped_bit]))
sess = tf.Session()
sess.run(tf.global_variables_initializer())
print('Original', sess.run(arr))
for i in range(0, 3):
    print('flipped arr', i, sess.run(flipped_arr, feed_dict={flipped_bit: i}))

我的解决方案。

import tensorflow as tf
import numpy as np

arr = tf.Variable(initial_value=[True, False, True],
                  trainable=False,
                  dtype=tf.bool)

mask = tf.placeholder(dtype=tf.bool, shape=arr.shape)
flipped_arr = tf.math.logical_xor(arr, mask)
sess = tf.Session()
sess.run(tf.global_variables_initializer())
print('Original', sess.run(arr))
for flip_bit in range(0, 3):
    mask_val = np.zeros(arr.shape)
    mask_val[flip_bit] = 1
    print('mask', mask_val)
    print(
        'flip_arr', flip_bit,
        sess.run(flipped_arr,
                 feed_dict={
                     flipped_bit: flip_bit,
                     mask: mask_val
                 }))