Question

他们是否使用tf函数通过缩放器将2D张量的某些列相乘？

e.g。将矩阵的第二列和第三列乘以2：

[[2,3,4,5]，[4,3,4,3]] - ＆gt; [[2,6,8,5]，[4,6,8,3]]

感谢您的帮助。

编辑：

谢谢Psidom的回复。不幸的是我没有使用tf.Variable，所以我似乎必须使用tf.slice。

我想要做的是将除了DC分量和奈奎斯特频率分量之外的单面PSD的所有分量乘以2，以便在从双面频谱变为单个时保持总功率 - 频谱。

这对应于：2 * PSD [：，1：-1]如果它是一个numpy数组。

以下是我对tf.assign和tf.slice的尝试：

x ['PSD'] = tf.assign（tf.slice（x ['PSD']，[0,1]，[tf.shape（x ['PSD']）[0]，tf.shape （x ['PSD']）[1] - 2]）， tf.scalar_mul（2，tf.slice（x ['PSD']，[0,1]，[tf.shape（x ['PSD']）[0]，tf.shape（x ['PSD']） [1] - 2]）））＃单面功率谱密度。

然而： AttributeError：'Tensor'对象没有属性'assign'

Answer 1

如果张量是变量，您可以通过切片要更新的列然后使用tf.assign来完成此操作：

x = tf.Variable([[2,3,4,5],[4,3,4,3]])
x = tf.assign(x[:,1:3], x[:,1:3]*2)        # update the second and third columns and assign 
                                           # the new tensor to x   
with tf.Session() as sess:
    tf.global_variables_initializer().run()
    print(sess.run(x))
#[[2 6 8 5]
# [4 6 8 3]]

Answer 2

结束拍摄3个不同的切片并将它们连接在一起，中间切片乘以2.可能不是最有效的方法，但它有效：

x [＆＃39; PSD＆＃39;] = tf.concat（[tf.slice（x [＆＃39; PSD＆＃39;]，[0,0]，[tf.shape（x [＆＃39; PSD＆＃39;]）[0]，1]）， tf.scalar_mul（2，tf.slice（x [＆＃39; PSD＆＃39;]，[0,1]，[tf.shape（x [＆＃39; PSD＆＃39;]）[0]，tf .shape（x [＆＃39; PSD＆＃39;]）[1] - 2]））， tf.slice（x [＆＃39; PSD＆＃39;]，[0，tf.shape（x [＆＃39; PSD＆＃39;]）[1] - 1]，[tf.shape（x [＆＃39; PSD＆＃39;]）[0]，1]）]，1）＃单侧功率谱密度。

通过缩放器将2D张量的某些列相乘

2 个答案: