Skip to main content
 首页 » 编程设计

python之张量到变量的切片赋值

2025年01月19日13cloudgamer

我正在尝试进行切片赋值,但出现以下错误,即使在我将所有张量转换为变量之后也是如此:

array = tf.Variable(tf.zeros((b,n,m))) 
ones = tf.Variable(tf.ones((m))) 
labels = tf.Variable(tf.ones((b), dtype=tf.int32)) 
 
for i in range(b): 
    with tf.control_dependencies([array[i][labels[i]].assign(ones)]): 
        array = tf.identity(array) 
 
ValueError: Sliced assignment is only supported for variables  

如何在 TensorFlow 中进行此分配:

array[i][labels[i]] = [1,1,1,1,1,1]  

?

请您参考如下方法:

我已经在必要时使用注释更新了您的代码。

array = tf.Variable(tf.zeros((b,n,m))) 
ones = tf.Variable(tf.ones((m))) 
labels = tf.Variable(tf.ones((b), dtype=tf.int32))  
#labels = np.ones(b,dtype=np.int8) if you want a array 
 
with tf.control_dependencies([array[i,labels[i],:].assign(tf.ones(m)) for i in range(b)]): # should give the list of slice assignment here 
 array = tf.identity(array) #conver to a tensor  
 
sess = tf.Session() 
with sess.as_default(): 
    sess.run(tf.global_variables_initializer()) 
    print(array.eval()) #print the new array (optional, only to see the values) 

注意事项

  • [array[i][labels[i]] ---> [array[i,labels[i],:]] 对我来说似乎是一个语法错误。

  • tf.identity(array) 返回一个张量作为数组的形状。当您再次将其分配给array 时,array 将变为tensor 而不是 不再是变量。您不能对张量进行切片分配。

  • 您需要提供一个切片分配列表作为参数 tf.control_dependencies

    希望这对您有所帮助。