如何更新Tensorflow中2D張量的子集？

Question

我想更新二維張量中索引的值爲0.所以數據是二維張量，其第二行第二列索引值將被替換爲0.但是，我收到了類型錯誤。任何人都可以幫助我嗎？

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

data = tf.Variable([[1,2,3,4,5], [6,7,8,9,0], [1,2,3,4,5]]) 
data2 = tf.reshape(data, [-1]) 
sparse_update = tf.scatter_update(data2, tf.constant([7]), tf.constant([0])) 
#data = tf.reshape(data, [N,S]) 
init_op = tf.initialize_all_variables() 

sess = tf.Session() 
sess.run([init_op]) 
print "Values before:", sess.run([data]) 
#sess.run([updated_data_subset]) 
print "Values after:", sess.run([sparse_update]) 

Answer 1

散佈更新只適用於變量。請嘗試這種模式。

Tensorflow版本< 1.0： a = tf.concat(0, [a[:i], [updated_value], a[i+1:]])

Tensorflow版本> = 1.0： a = tf.concat(axis=0, values=[a[:i], [updated_value], a[i+1:]])

Answer 2

tf.scatter_update只能應用於Variable類型。您的代碼中的data是Variable，而data2不是，因爲返回類型tf.reshape是Tensor。

解決方案：

爲tensorflow V1.0後

data = tf.Variable([[1,2,3,4,5], [6,7,8,9,0], [1,2,3,4,5]]) 
row = tf.gather(data, 2) 
new_row = tf.concat([row[:2], tf.constant([0]), row[3:]], axis=0) 
sparse_update = tf.scatter_update(data, tf.constant(2), new_row) 

爲tensorflow V1.0

data = tf.Variable([[1,2,3,4,5], [6,7,8,9,0], [1,2,3,4,5]]) 
row = tf.gather(data, 2) 
new_row = tf.concat(0, [row[:2], tf.constant([0]), row[3:]]) 
sparse_update = tf.scatter_update(data, tf.constant(2), new_row)