python - 在二维 tf.Variable 中使用 tf.scatter_update

Question

我正在关注这个 Manipulating matrix elements in tensorflow .使用 tf.scatter_update。但我的问题是:如果我的 tf.Variable 是二维的会怎样？比方说:

a = tf.Variable(initial_value=[[0, 0, 0, 0],[0, 0, 0, 0]])

例如，我如何更新每行的第一个元素并为其分配值 1？

我试过类似的东西

for line in range(2):
    sess.run(tf.scatter_update(a[line],[0],[1]))

但它失败了(我预料到了)并给我错误:

TypeError: Input 'ref' of 'ScatterUpdate' Op requires l-value input

我该如何解决这类问题？

`

Answer 1

在 tensorflow 中，您不能更新张量，但可以更新变量。

scatter_update 运算符只能更新变量的第一个维度。您必须始终将引用张量传递给散点更新(a 而不是 a[line])。

这是更新变量第一个元素的方法:

import tensorflow as tf

g = tf.Graph()
with g.as_default():
    a = tf.Variable(initial_value=[[0, 0, 0, 0],[0, 0, 0, 0]])
    b = tf.scatter_update(a, [0, 1], [[1, 0, 0, 0], [1, 0, 0, 0]])

with tf.Session(graph=g) as sess:
   sess.run(tf.initialize_all_variables())
   print sess.run(a)
   print sess.run(b)

输出:

[[0 0 0 0]
 [0 0 0 0]]
[[1 0 0 0]
 [1 0 0 0]]

但是必须再次更改整个张量，分配一个全新的张量可能会更快。