在Keras代码中：为某些张量元素分配新值

Question

我需要更改张量的某些元素的值。我知道什么元素-它们已经在布尔张量中了。

我看不到如何在keras代码中执行此操作。但是如果我使用TensorFlow代码，我会做这样的事情：

TensorFlow中的张量值的条件分配

在python numpy中，代码如下所示：

x = np.zeros_like(sometensor) 
x[sometensor>0.5] = 1.0

在Keras代码中（并且我正在使用TF后端），这是我的最佳尝试（不起作用）：

encoder_outputs_bin = k.backend.zeros_like(encoder_outputs, name="encoder_outputs_bin")
point_five = k.backend.constant(0.5, shape=k.backend.shape(encoder_outputs), name="point_five")
positives = k.backend.greater_equal(encoder_outputs, point_five)
encoder_outputs_bin[positives].assign(tf.ones(1)) # TF syntax -- might not work in keras

Answer 1

这个答案并不是真正的“分配”，它得到了另一个张量，但我相信它会做......

此外，您打算做的事情将完全破坏这些元素的反向传播。

知道这一点：

positives = k.backend.greater_equal(encoder_outputs, 0.5)
positives = k.backend.cast(positives, k.backend.floatx())

encoder_outputs = positives + ((1-positives)*encoder_outputs)