使用布爾值掩碼和索引列表替換Tensorflow中的某些行的一些行

Question

我正在實施球面上的k-means，從@ dga的gist開始。 單位範數約束基本上意味着使用內積而不是成對距離，使用argmax而不是argmin和sum +歸一化來代替平均來更新質心。

現在我試圖用最少的表示數據點來替換死亡的質心。 unsorted_segment_sum將返回0之死重心：

total = tf.unsorted_segment_sum(points, best_centroids, K) 

從這個我弄不死質心的布爾掩碼：

deads = tf.equal(total, 0) 

...死了質心的計數：

dead_count = tf.reduce_sum(tf.as_type(deads, 'int64')) 

...並且最後列出了當前模型中表示最差的數據點的索引：

_, dead_replacement_idx = tf.nn.top_k(-assignment_qualities, 
             k=dead_count, sorted=False) 

現在我該如何更換死質心？ 在numpy的這個現在將回落到這一點：

means[deads] = points[dead_replacement_idx] 

我怎樣才能做到在Tensorflow類似的東西？

Answer 1

如果您存儲手段Variables可以使用scatter_update

tf.reset_default_graph() 

means = tf.Variable(np.array([[1,1],[2,2],[3,3]]), dtype=np.float32) 
indices = tf.constant([0, 2]) 
new_mean = tf.constant([-1, -1], dtype=np.float32) 

new_mean_matrix = tf.reshape(new_mean, [1, -1]) 
tile_shape = tf.pack([tf.size(indices), 1]) 
new_mean_matrix_tiled = tf.tile(new_mean_matrix, tile_shape) 
update_op = tf.scatter_update(means, indices, new_mean_matrix_tiled) 

sess = tf.InteractiveSession() 
sess.run(tf.initialize_all_variables()) 
print "Before update" 
print sess.run(means) 
print "Updating rows", indices.eval(), "to", new_mean.eval() 
sess.run(update_op) 
print "After update" 
print sess.run(means) 

結果

Before update 
[[ 1. 1.] 
[ 2. 2.] 
[ 3. 3.]] 
Updating rows [0 2] to [-1. -1.] 
After update 
[[-1. -1.] 
[ 2. 2.] 
[-1. -1.]]