快捷導(dǎo)航

Tensorflow 實(shí)現(xiàn)修改張量特定元素的值方法

更新時(shí)間：2018年07月30日 09:25:05 作者：Cerisier

今天小編就為大家分享一篇Tensorflow 實(shí)現(xiàn)修改張量特定元素的值方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧

最近在做一個(gè)摘要生成的項(xiàng)目，過程中遇到了很多小問題，從網(wǎng)上查閱了許多別人解決不同問題的方法，自己也在旁邊開了個(gè)jupyter notebook搞些小實(shí)驗(yàn)，這里總結(jié)一下遇到的一些問題。

Tensorflow用起來不是很順手，很大原因在于tensor這個(gè)玩意兒，并不像數(shù)組或者列表那么的直觀，直接print的話只能看到 Tensor(…) 這樣的提示。比如下面這個(gè)問題，我們想要修改張量特定位置上的某個(gè)數(shù)值，操作起來就相對(duì)麻煩一些。和array一樣，張量也是可以分段讀取的，比如 tensor[1:10], tensor[:3]這種操作都是支持的，但是，張量是不能直接修改數(shù)值的。

比如，如果是array的話，一句賦值語句就可以將某個(gè)元素的值進(jìn)行修改，但是，如果用同樣的方法處理tensor的話，就會(huì)報(bào)錯(cuò)：

import tensorflow as tf
tensor_1 = tf.constant([x for x in range(1,10)])
# tensor_1 是一個(gè)數(shù)值為1到9的張量，希望把中間第五個(gè)數(shù)值改為0 
tensor_1[4] = 0

這時(shí)就會(huì)報(bào)錯(cuò)，錯(cuò)誤類型是：

TypeError: 'Tensor' object does not support item assignment

所以說tensor是可以分段讀取，但是不能直接修改的，有點(diǎn)像“只讀”的模式。怎么解決呢？從其他博客中我總結(jié)了一個(gè)方法，后來自己又想了一個(gè)：

# 方法一 ： 運(yùn)用concat函數(shù)
tensor_1 = tf.constant([x for x in range(1,10)])
# 將原來的張量拆分為3部分，修改位置前的部分，要修改的部分和修改位置之后的部分
i = 4
part1 = tensor_1[:i]
part2 = tensor_1[i+1:]
val = tf.constant([0])
new_tensor = tf.concat([part1,val,part2], axis=0)

這時(shí)候再去打印，就可以看到第五個(gè)數(shù)已經(jīng)變成了0。

# 方法二：使用one_hot來進(jìn)行加減運(yùn)算
tensor_1 = tf.constant([x for x in range(1,10)])
i = 4
# 生成一個(gè)one_hot張量，長度與tensor_1相同，修改位置為1
shape = tensor_1.get_shape().as_list()
one_hot = tf.one_hot(i,shape[0],dtype=tf.int32)
# 做一個(gè)減法運(yùn)算，將one_hot為一的變?yōu)樵瓘埩吭撐恢玫闹颠M(jìn)行相減
new_tensor = tensor_1 - tensor_1[i] * one_hot

當(dāng)然，tensor有一個(gè)assign的函數(shù)，但是他每次更新不能針對(duì)于相對(duì)位置，而是相當(dāng)于對(duì)整個(gè)變量的重新賦值，在某些特定場合下，這個(gè)自帶函數(shù)似乎并不是太好用。

以上這篇Tensorflow 實(shí)現(xiàn)修改張量特定元素的值方法就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: