在二维tf.Variab中使用tf.scatter_update

Question

我正在跟踪这个Manipulating matrix elements in tensorflow。使用tf.scatter_更新。但我的问题是： 如果我的tf.变量是2D会发生什么？比如说：

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

例如，如何更新每行的第一个元素并将值1赋给它？

我试过类似的

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

但它失败了（我早就预料到了），给了我一个错误：

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

我怎样才能解决这种问题？

`

Answer 1

我发现了一些东西here 我创建了一个变量名U=[[1，2，3]，[4，5，6]]并希望像U[：，1]=[2，3]那样更新它，所以我做了U[：，1].assign（将U转换成U张量[2，3]）

这里有一个简单的代码

x = tf.Variable([[1,2,3],[4,5,6]])
print K.eval(x)
y = [0, 0]
with tf.control_dependencies([x[:,1].assign(y)]):
    x = tf.identity(x)
print K.eval(x)

Answer 2

在tensorflow中，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。 必须始终将引用张量传递给散点更新（a，而不是a[line]）。

以下是如何更新变量的第一个元素：

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，必须再次改变整个张量，可能会更快地分配一个全新的张量。