调整张量内的单个值——TensorFlow

我觉得问这个问题很尴尬，但是如何调整张量内的单个值？假设您只想将“1”添加到张量中的一个值？

通过索引来做到这一点是行不通的：

TypeError: 'Tensor' object does not support item assignment

一种方法是构建形状相同的 0 张量。然后在你想要的位置调整一个1。然后将两个张量加在一起。这又遇到了与之前相同的问题。

我已经多次阅读 API 文档，但似乎不知道如何做到这一点。提前致谢！

UPDATE:TensorFlow 1.0 包括tf.scatter_nd()运算符，可用于创建delta下面没有创建tf.SparseTensor.

对于现有的操作来说，这实际上是非常棘手的！也许有人可以建议一种更好的方法来结束以下内容，但这是一种方法。

假设你有一个tf.constant() tensor:

c = tf.constant([[0.0, 0.0, 0.0],
                 [0.0, 0.0, 0.0],
                 [0.0, 0.0, 0.0]])

...并且您想添加1.0在位置 [1, 1]。实现此目的的一种方法是定义一个tf.SparseTensor, delta，代表变化：

indices = [[1, 1]]  # A list of coordinates to update.

values = [1.0]  # A list of values corresponding to the respective
                # coordinate in indices.

shape = [3, 3]  # The shape of the corresponding dense tensor, same as `c`.

delta = tf.SparseTensor(indices, values, shape)

然后您可以使用tf.sparse_tensor_to_dense()op 从中生成稠密张量delta并将其添加到c:

result = c + tf.sparse_tensor_to_dense(delta)

sess = tf.Session()
sess.run(result)
# ==> array([[ 0.,  0.,  0.],
#            [ 0.,  1.,  0.],
#            [ 0.,  0.,  0.]], dtype=float32)