当张量的第一维未知时（在keras.layers.Layer中），tensorflow通过索引分配2D张量的值。

Question

我正在实现一个keras层，其call函数需要实现按索引分配的2D Tensor值。 python numpy演示了该功能，如下所示：

import numpy as np
A = np.arange(12).reshape(6,2)
ind_x = [2,4,5]
ind_y = [0,1,0]
A[(ind_x,ind_y)] = -1 # assign value 
A = array([[ 0,  1],
           [ 2,  3],
           [-1,  5],
           [ 6,  7],
           [ 8, -1],
           [-1, 11]])

如果A.shape = (6,2)可用，那么tf.SparseTensor就是完美的选择。

但是，在我的情况下，A是keras.layers.Layer的输入，因此在图形构建期间不确定其第一维（即批处理大小）。最后，A.shape = (None,2)。还有其他的张量流功能可以实现吗？谢谢。

P.S。提出了完整的keras实现here的问题。但是，我认为这里的问题可能更清楚，更基础。