Question

我在tensorflow中有一个数组，我想根据for循环中的另一个数组更新它的值。这是代码：

def get_weights(labels, class_ratio=0.5):
        weights = tf.ones_like(labels, dtype=tf.float64))

        pos_num = class_ratio * 100
        neg_num = 100 - class_ratio * 100
        for i in range(labels.shape[0]):
            if labels[i] == 0:
               weights[i].assign(pos_num/neg_num)
            else:
               weights[i].assign(neg_num)

        return weights

然后我有这个代码来调用上面的函数：

with tf.Graph().as_default():
     labels = tf.placeholder(tf.int32, (5,))
     example_weights = get_weights(labels, class_ratio=0.1)
     with tf.Session() as sess:
          np_labels = np.random.randint(0, 2, 5)
          np_weights = sess.run(example_weights, feed_dict={labels: np_labels})
         print("Labels:  %r" % (np_labels,))
         print("Weights: %r" % (np_weights,))

但是当我运行它时，它给了我这个错误：

ValueError: Sliced assignment is only supported for variables

如何在tensorflow中分配/更新数组的值？

Answer 1

TensorFlow中的tf.Tensor是一个只读值 - 实际上是用于计算只读值的符号表达式 - 因此通常不能为其赋值。（主要例外是tf.Variable个对象。）这意味着您鼓励使用“功能”操作来定义张量。例如，有几种方法可以在功能上生成weights张量：

由于weights被定义为labels的元素转换，您可以使用tf.map_fn()创建一个新的张量（包含tf.cond()到{ {3}}）通过在其上映射函数：

def get_weights(labels, class_ratio=0.5):
  pos_num = tf.constant(class_ratio * 100)
  neg_num = tf.constant(100 - class_ratio * 100)

  def compute_weight(x):
    return tf.cond(tf.equal(x, 0), lambda: pos_num / neg_num, lambda: neg_num)

  return tf.map_fn(compute_weight, labels, dtype=tf.float32)

此版本允许您对labels的每个元素应用任意复杂的函数。

但是，由于功能简单，计算成本低，并且可以使用简单的TensorFlow操作表示，因此您可以避免使用tf.map_fn()而是使用replace the if statement：
```
def get_weights(labels, class_ratio=0.5):
  pos_num = tf.fill(tf.shape(labels), class_ratio * 100)
  neg_num = tf.fill(tf.shape(labels), 100 - class_ratio * 100)
  return tf.where(tf.equal(labels, 0), pos_num / neg_num, neg_num)
```
（您也可以在tf.where()版本中使用tf.cond()代替tf.map_fn()。）

在tensorflow的循环中为数组赋值

1 个答案: