在二维tf.Variable中使用tf.scatter_update

Question

我在张量流中遵循这个操纵矩阵元素.使用tf.scatter_update.但我的问题是:如果我的tf.Variable是2D,会发生什么？让我们说:

a = tf.Variable(initial_value=[[0, 0, 0, 0],[0, 0, 0, 0]])

我如何更新例如每行的第一个元素并将其赋值为1？

我试过类似的东西

for line in range(2):
    sess.run(tf.scatter_update(a[line],[0],[1]))

但它失败了(我在期待)并给我错误:

TypeError:'ScatterUpdate'的输入'ref'需要输入l值

我该如何解决这类问题？

`

Answer 1

在tensorflow中,您无法更新Tensor,但可以更新变量.

该scatter_update操作只能更新变量的第一个维度.您必须始终将参考张量传递给散点图更新(a而不是a[line]).

这是你如何更新变量的第一个元素:

import tensorflow as tf

g = tf.Graph()
with g.as_default():
    a = tf.Variable(initial_value=[[0, 0, 0, 0],[0, 0, 0, 0]])
    b = tf.scatter_update(a, [0, 1], [[1, 0, 0, 0], [1, 0, 0, 0]])

with tf.Session(graph=g) as sess:
   sess.run(tf.initialize_all_variables())
   print sess.run(a)
   print sess.run(b)

输出:

[[0 0 0 0]
 [0 0 0 0]]
[[1 0 0 0]
 [1 0 0 0]]

但是不得不再次改变整个张量,分配一个全新的张量可能会更快.