我在使用新的Tensorflow 2.0 API（或通常的Tensorflow）重新实现Pytorch脚本时遇到一个小问题。在原始的Pytorch脚本中，张量使用布尔掩码（类似于numpy中的方式）进行更新：
# PyTorch
x_pred[empty_mask] = s_
x_pred是形状为（batch_size，81，9）的张量。该张量应在网络的前进步骤中更新几次。
s_是一个张量，包含由神经网络生成的softmax概率。形状取决于empty_mask中空白字段的数量。第一个维度是可变的，第二个维度始终是9。
empty_mask是形状为（batch_size，81）的张量。此张量适用于x_pred中的空字段。这些空字段应在每个向前的步骤中进行更新。
目前，我可以使用遮罩提取x_pred张量的相关部分。
extract = x_pred[empty_mask]
extract和x_pred[empty_mask]具有相同的形状。
当我尝试以相同的样式更新Tensorflow张量时，出现以下错误消息：
# Tensorflow 2.0
x_pred = tf.Variable(x, trainable=False) # x is the input, so x_pred should be a copy an will be filled in the next steps
...
for i in range(max_empty_fields):
...
s_ = self.softmax(previous_layers) # Shape (???, 9)
x_pred[empty_fields_mask] = s_ # Update x_pred
...
# ==> TypeError: only size-1 arrays can be converted to Python scalars
有人可以告诉我如何“就地”分配这些更新，以便直接更新x_pred吗？
非常感谢您。
更新
我找到了适合我的解决方案。首先，我必须将掩盖张量转换为x_pred的相关索引，然后才能使用新TF2 API提供的tf.tensor_scatter_nd_update()函数。
# Translate mask into indices using tf.where()
indices = tf.where(empty_fields_mask)
# Update the given indices of x_pred using tf.tensor_scatter_nd_update()
x_pred = tf.tensor_scatter_nd_update(x_pred, indices, s_)