相关疑难解决方法(0)

我觉得这很尴尬,但你如何在张量内调整单个值？假设你想在张量中只有一个值加'1'？

通过索引编写它不起作用:

TypeError: 'Tensor' object does not support item assignment

一种方法是建立一个相同形状的0张量.然后在您想要的位置调整1.然后你将两个张量加在一起.这又遇到了和以前一样的问题.

我已多次阅读API文档,似乎无法弄清楚如何执行此操作.提前致谢!

我想复制以下numpy代码tensorflow.例如,我想为0之前具有值的所有张量索引分配一个1.

a = np.array([1, 2, 3, 1])
a[a==1] = 0

# a should be [0, 2, 3, 0]

如果我写相似的代码tensorflow我得到以下错误.

TypeError: 'Tensor' object does not support item assignment

方括号中的条件应该是任意的,如a[a<1] = 0.

有没有办法实现这种"条件分配"(缺少一个更好的名字)tensorflow？

看我的Keras自定义损失函数：

def custom_loss(y_true, y_pred):
    sqerr = (y_true - y_pred)**2
    sqerr[:,4:-1:7] = sqerr[:,4:-1:7] * ((y_true[:,2:-1:7]-y_true[:,3:-1:7])/y_true[:,2:-1:7])**2
    return sqerr.mean()

但是'sqerr'不是一个numpy数组，因此此代码会导致错误

TypeError：“张量”对象不支持项目分配

因此，我阅读了“如何在Tensorflow中进行切片分配”一文，其中包括jdehesa的答案以及此讨论中的GitHub页面。所以这就是我现在所拥有的...

def custom_loss(y_true, y_pred):
    sqerr = K.square(y_true-y_pred)

    sqerr = tf.Variable(  sqerr , validate_shape=False )
    with tf.control_dependencies([sqerr[:,4:-1:7].assign( sqerr[:,4:-1:7] * ((y_true[:,2:-1:7]-y_true[:,3:-1:7])/y_true[:,2:-1:7])**2 )]):
        sqerr = tf.identity(sqerr)

    return K.mean(sqerr)

...但是很明显我在实际使用它的时候就把它搞砸了：

追溯（最近一次通话）：setup_model中的文件“ my_awesome_nn.py”，第119行

model.compile(loss=custom_loss, optimizer=opt)  

Run Code Online (Sandbox Code Playgroud)

在编译的文件“ /opt/anaconda/envs/py35/lib/python3.5/site-packages/keras/engine/training.py”中，行850

sample_weight, mask)   

Run Code Online (Sandbox Code Playgroud)

文件“ /opt/anaconda/envs/py35/lib/python3.5/site-packages/keras/engine/training.py”，行465，加权后

score_array = K.mean(score_array, axis=list(range(weight_ndim, ndim))) 

Run Code Online (Sandbox Code Playgroud)

TypeError：“ NoneType”对象无法解释为整数

发生的事情是，TF切片仅允许应用于变量，而不是普通张量，因此我将其转换为变量。但是，当我强制转换为Variable时，它想知道形状，但是此时形状是“动态定义的”（即第一个元素是“？”）。因此，设置validate_shape = False可以让我实际定义一个变量，但这会破坏Keras以后想要的尺寸信息。观察：

def custom_loss(y_true, y_pred):  
        sqerr = K.square(y_true-y_pred)
        print("K.ndim(sqerr) #1 …

我想在 TensorFlow 2.x 中的一个模型中为输入张量的切片分配一些值（我使用的是 2.2，但准备接受 2.1 的解决方案）。我正在尝试做的一个非工作模板是：

import tensorflow as tf
from tensorflow.keras.models import Model

class AddToEven(Model):
    def call(self, inputs):
        outputs = inputs
        outputs[:, ::2] += inputs[:, ::2]
        return outputs

当然，在构建此 ( AddToEven().build(tf.TensorShape([None, None]))) 时，我收到以下错误：

TypeError: 'Tensor' object does not support item assignment

我可以通过以下方式实现这个简单的例子：

TypeError: 'Tensor' object does not support item assignment

（您可以通过以下方式进行完整性检查：

class AddToEvenScatter(Model):
    def call(self, inputs):
        batch_size = tf.shape(inputs)[0]
        n = tf.shape(inputs)[-1]
        update_indices = tf.range(0, n, delta=2)[:, None]
        scatter_nd_perm = [1, 0]
        inputs_reshaped = tf.transpose(inputs, scatter_nd_perm)
        outputs …