如何在张量流中的张量的某些索引处插入某些值？
How to insert certain values at certain indices of a tensor in tensorflow?
假设我有一个形状为 100x1 的张量 input 和另一个形状为 20x1 的张量 inplace 和一个形状为 [=11] 的 index_tensor =]. index_tensor 表示 input 的位置，我想在其中插入来自 inplace 的值。 index_tensor 只有 20 个 True 值，其余值为 False。我尝试在下面解释所需的操作。
如何使用tensorflow实现这个操作
assign 操作仅适用于 tf.Variable 而我想将其应用于 tf.nn.rnn.
的输出
我读到可以使用 tf.scatter_nd 但它要求 inplace 和 index_tensor 的形状相同。
我想使用它的原因是我从 rnn 得到一个输出，然后我从中提取一些值并将它们提供给一些密集层，这个来自密集层的输出，我想插入回原始张量这是我从 rnn 操作中获得的。由于某些原因，我不想对 rnn 的整个输出应用密集层操作，如果我不将密集层的结果插入到 rnn 的输出中，那么密集层就没用了。
任何建议将不胜感激。
因为您拥有的张量是不可变的，所以您不能为其分配新值，也不能就地更改它。您要做的是使用标准操作修改它的值。以下是您的操作方法：
input_array = np.array([2, 4, 7, 11, 3, 8, 9, 19, 11, 7])
inplace_array = np.array([10, 20])
indices_array = np.array([0, 0, 1, 0, 0, 0, 1, 0, 0, 0])
# [[2], [6]]
indices = tf.cast(tf.where(tf.equal(indices_array, 1)), tf.int32)
# [0, 0, 10, 0, 0, 0, 20, 0, 0, 0]
scatter = tf.scatter_nd(indices, inplace_array, shape=tf.shape(input_array))
# [1, 1, 0, 1, 1, 1, 0, 1, 1, 1]
inverse_mask = tf.cast(tf.math.logical_not(indices_array), tf.int32)
# [2, 4, 0, 11, 3, 8, 0, 19, 11, 7]
input_array_zero_out = tf.multiply(inverse_mask, input_array)
# [2, 4, 10, 11, 3, 8, 20, 19, 11, 7]
output = tf.add(input_array_zero_out, tf.cast(scatter, tf.int32))
假设我有一个形状为 100x1 的张量 input 和另一个形状为 20x1 的张量 inplace 和一个形状为 [=11] 的 index_tensor =]. index_tensor 表示 input 的位置，我想在其中插入来自 inplace 的值。 index_tensor 只有 20 个 True 值，其余值为 False。我尝试在下面解释所需的操作。
assign 操作仅适用于 tf.Variable 而我想将其应用于 tf.nn.rnn.
我读到可以使用 tf.scatter_nd 但它要求 inplace 和 index_tensor 的形状相同。
我想使用它的原因是我从 rnn 得到一个输出，然后我从中提取一些值并将它们提供给一些密集层，这个来自密集层的输出，我想插入回原始张量这是我从 rnn 操作中获得的。由于某些原因，我不想对 rnn 的整个输出应用密集层操作，如果我不将密集层的结果插入到 rnn 的输出中，那么密集层就没用了。
任何建议将不胜感激。
因为您拥有的张量是不可变的，所以您不能为其分配新值，也不能就地更改它。您要做的是使用标准操作修改它的值。以下是您的操作方法：
input_array = np.array([2, 4, 7, 11, 3, 8, 9, 19, 11, 7])
inplace_array = np.array([10, 20])
indices_array = np.array([0, 0, 1, 0, 0, 0, 1, 0, 0, 0])
# [[2], [6]]
indices = tf.cast(tf.where(tf.equal(indices_array, 1)), tf.int32)
# [0, 0, 10, 0, 0, 0, 20, 0, 0, 0]
scatter = tf.scatter_nd(indices, inplace_array, shape=tf.shape(input_array))
# [1, 1, 0, 1, 1, 1, 0, 1, 1, 1]
inverse_mask = tf.cast(tf.math.logical_not(indices_array), tf.int32)
# [2, 4, 0, 11, 3, 8, 0, 19, 11, 7]
input_array_zero_out = tf.multiply(inverse_mask, input_array)
# [2, 4, 10, 11, 3, 8, 20, 19, 11, 7]
output = tf.add(input_array_zero_out, tf.cast(scatter, tf.int32))