tensorflow 中，修改张量tensor特定元素的值

tensorflow中：

                   constant tensor不能直接赋值，否则会报错：

               TypeError: 'Tensor' object does not support item assignment

       Variable tensor不能为某个特定元素赋值，只能为整个变量tensor全部赋值。

                                        赋值命令为：new_state = tf.assign(state,new_tensor)

 为了解决张量元素赋值问题，上网查看解决方法，主要是针对一维张量的，主要是用one_hot来实现，如文章：张量元素值修改，

本文参照其思想，实现2D张量元素替换，如果想实现更高维度的张量的元素赋值，可以在此基础上再进行修改。

脚本如下，亲测可行，如有纰漏，欢迎大家拍砖指教。

#-*-coding:utf-8-*-
import tensorflow as tf
sess = tf.InteractiveSession()
sess.run(tf.global_variables_initializer())

def tensor_expand(tensor_Input,Num):
    '''
    张量自我复制扩展，将Num个tensor_Input串联起来，生成新的张量，
    新的张量的shape=[tensor_Input.shape,Num]
    :param tensor_Input:
    :param Num:
    :return:
    '''
    tensor_Input = tf.expand_dims(tensor_Input,axis=0)
    tensor_Output = tensor_Input
    for i in range(Num-1):
        tensor_Output= tf.concat([tensor_Output,tensor_Input],axis=0)
    return tensor_Output

def get_one_hot_matrix(height,width,position):
    '''
    生成一个 one_hot矩阵，shape=【height*width】，在position处的元素为1，其余元素为0
    :param height:
    :param width:
    :param position: 格式为【h_Index,w_Index】,h_Index,w_Index为int格式
    :return:
    '''
    col_length = height
    row_length = width
    col_one_position = position[0]
    row_one_position = position[1]
    rows_num = height
    cols_num = width

    single_row_one_hot = tf.one_hot(row_one_position, row_length, dtype=tf.float32)
    single_col_one_hot = tf.one_hot(col_one_position, col_length, dtype=tf.float32)

    one_hot_rows = tensor_expand(single_row_one_hot, rows_num)
    one_hot_cols = tensor_expand(single_col_one_hot, cols_num)
    one_hot_cols = tf.transpose(one_hot_cols)

    one_hot_matrx = one_hot_rows * one_hot_cols
    return one_hot_matrx

def tensor_assign_2D(tensor_input,position,value):
    '''
    给 2D tensor的特定位置元素赋值
    :param tensor_input: 输入的2D tensor，目前只支持2D
    :param position: 被赋值的张量元素的坐标位置，=【h_index,w_index】
    :param value:
    :return:
    '''
    shape = tensor_input.get_shape().as_list()
    height = shape[0]
    width = shape[1]
    h_index = position[0]
    w_index = position[1]
    one_hot_matrix = get_one_hot_matrix(height, width, position)

    new_tensor = tensor_input - tensor_input[h_index,w_index]*one_hot_matrix +one_hot_matrix*value

    return new_tensor

if __name__=="__main__":
    ##test
    tensor_input = tf.constant([i for i in range(20)],tf.float32)
    tensor_input = tf.reshape(tensor_input,[4,5])
    new_tensor = tensor_assign_2D(tensor_input,[2,3],100)

    print(new_tensor.eval())

本文原创，如需转载，请注明出处：https://blog.youkuaiyun.com/Strive_For_Future/article/details/82426015