我正在使用Tensorflow 2.0,并试图更新张量中的切片。
像在PyTorch中那样使用普通项目分配,它不起作用。
import tensorflow as tf
tensor = tf.ones((10, 192, 85))
tensor[:, :, 0] = tf.math.sigmoid([:, :, 0])
>>> Output
TypeError: 'tensorflow.python.framework.ops.EagerTensor' object does not support item assignment
我看到可以使用tf.tensor_scatter_nd_update
,但是感觉太冗长而无法高效,因为我必须分别导出要更新的索引。因此,我不确定这是否是在急切的张量中进行项目分配的最佳方法(我需要下面的代码块来实现上面更简单的“ PyTorch 2衬里样式”):
import tensorflow as tf
def get_indices(tensor):
indices = []
for i in range(tensor.shape[0]):
for j in range(tensor.shape[1]):
indices.append([i, j, 0])
return tf.convert_to_tensor(indices)
tensor = tf.ones((10, 192, 85))
indices = get_indices(tensor)
updates = tf.reshape(tf.math.sigmoid(tensor[:, :, 0]), (-1,))
tensor = tf.tensor_scatter_nd_update(tensor, indices, updates)
在Tensorflow 2.0中,是否有更简单/更有效的方法来进行EagerTensor
的项目分配?
答案 0 :(得分:0)
您可以这样做:
tensor = tf.ones((10, 192, 85))
tensor = tf.concat([tf.math.sigmoid(tensor[:,:,0:1]), tensor[:,:,1:]], axis=2)