Numpy 张量的向量赋值

我想给一个张量分配多个值，但它似乎不受支持，至少在使用时是可能的

上述方法有效，但等效方法无效：

import tensorflow as tf

a = tf.zeros((4, 4))
v = tf.Variable([0, 2, 3, 1])
r = tf.range(4)
a[r, v].assign(1)

TypeError：只有整数、切片、省略号、tf.newaxis和标量张量是有效的索引，明白了吗

---

如何做到这一点？循环是唯一的选择吗？在我的例子中，生成的数组实际上只是重新排列的单位矩阵的切片，因此可能可以以某种方式加以利用。

您的示例将某些索引处的零张量更新为某个值，大部分时间是通过以下方式实现的：

---

对于更复杂的情况，您可以查看以下函数：

• ：根据索引向现有张量添加稀疏更新
• ：根据索引从现有张量中减去稀疏更新
• ：将元素最大值从一个张量复制到另一个张量
• ：将元素最小值从一个张量复制到另一个张量
• ：根据索引将更新分散到现有张量中

---

您可以在指南中阅读更多内容：

我想让您知道，您的

tf

标记答案令人惊讶，并最终帮助我们（和其他人）了解更多信息。谢谢谢谢，我还你一句恭维话。

import tensorflow as tf

a = tf.zeros((4, 4))
v = tf.Variable([0, 2, 3, 1])
r = tf.range(4)
a[r, v].assign(1)

idx = tf.stack([r,v],axis=-1)
tf.scatter_nd(idx, updates=tf.ones(4), shape=(4,4))