在Tensorflow中更新子矩阵

Question

很简单，我想要做的是以下

A = np.ones((3,3)) #arbitrary matrix
B = np.ones((2,2)) #arbitrary matrix
A[1:,1:] = A[1:,1:] + B 

除了在Tensorflow中（矩阵可以是任意复杂的张量表达式）。 A和B都不是Tensorflow变量，而只是一个普通的张量。

到目前为止我收集的内容：张量是不可变的，因此我无法分配给子矩阵。 tf.scatter_nd是子赋值的当前选项，但似乎不支持子矩阵，只支持切片。

应该有效的方法，但可能并不理想：

• 我可以用零填充B，但我确信这会导致实例化 一个不必要的大B - 可能是稀疏的，也许？
• 我可以使用填充的想法，但将其写为低秩分解，例如在Numpy中：A+U.dot(B).U.T其中U是堆叠的零和单位矩阵。我不确定这实际上是否有利。
• 我可以将A拆分成子矩阵，然后将它们重叠在一起。可能是效率最高的，但听起来像代码会令人费解。

理想情况下，我希望对逐渐变小的矩阵执行N次操作N次，从而产生一个较大的最终结果，但这是切线的。

我现在会使用其中一个黑客，但我希望有人可以告诉我这个惯用的版本是什么！