代码之家 › 专栏 › 技术社区 › Panfeng Li

tensorflow中的元素分配

tensorflow numpy

0

Panfeng Li · 技术社区 · 7 年前

在 numpy ,很容易做到

>>> img
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]], dtype=int32)
>>> img[img>5] = [1,2,3,4]
>>> img
array([[1, 2, 3],
       [4, 5, 1],
       [2, 3, 4]], dtype=int32)

然而,在张力流中似乎没有类似的操作。

2 回复 | 直到 7 年前

1

2

Jie.Zhou 7 年前

由于张量值的变化不可通过反向传播追踪,因此永远不能为张量流中的张量赋值,但仍然可以从原始张量中获取另一张量,下面是一个解决方案

import tensorflow as tf
tf.enable_eager_execution()
img = tf.constant(list(range(1, 10)), shape=[3, 3])
replace_mask = img > 5
keep_mask = tf.logical_not(replace_mask)
keep = tf.boolean_mask(img, keep_mask)

keep_index = tf.where(keep_mask)
replace_index = tf.where(replace_mask)

replace = tf.random_uniform((tf.shape(replace_index)[0],), 0, 10, tf.int32)

updates = tf.concat([keep, replace], axis=0)
indices = tf.concat([keep_index, replace_index], axis=0)

result = tf.scatter_nd(tf.cast(indices, tf.int32), updates, shape=tf.shape(img))

2

0

Kaihong Zhang 7 年前

其实有一个方法可以达到这个目的。很像@Jie.Zhou的回答,你可以替换 tf.constant 具有 tf.Variable ,然后替换 tf.scatter_nd 具有 tf.scatter_nd_update