Python 如何在tensorflow中张量的某些索引处插入某些值？

假设我有一个形状为100x1的张量

输入

，另一个位置为20x1的张量

和形状为100x1的索引张量。
索引张量
表示
输入
的位置，我想在该位置插入
中的值。
索引张量
只有20个真值，其余值为假。我试图在下面解释所需的操作。
如何使用tensorflow实现此操作

assign
操作仅适用于
tf.Variable
，而我希望将其应用于
tf.nn.rnn
的输出

我知道一个人可以使用
tf.scatter\u nd
，但它要求
inplace
和
index\u tensor
具有相同的形状

我想用它的原因是，我从rnn中得到一个输出，然后我从中提取一些值，并将它们输入到某个稠密层，这个稠密层的输出，我想插入到我从rnn运算中得到的原始张量中。由于某些原因，我不想对rnn的整个输出应用稠密层操作，如果我不将稠密层的结果插入rnn的输出中，那么稠密层是无用的

任何建议都将非常感谢。
因为你的张量是不可变的，你不能给它赋值，也不能在适当的地方修改它。您需要做的是使用标准操作修改其值。以下是您如何做到这一点：

input_array = np.array([2, 4, 7, 11, 3, 8, 9, 19, 11, 7])
inplace_array = np.array([10, 20])
indices_array = np.array([0, 0, 1, 0, 0, 0, 1, 0, 0, 0])
# [[2], [6]] 
indices = tf.cast(tf.where(tf.equal(indices_array, 1)), tf.int32)
# [0, 0, 10, 0, 0, 0, 20, 0, 0, 0]
scatter = tf.scatter_nd(indices, inplace_array, shape=tf.shape(input_array))
# [1, 1, 0, 1, 1, 1, 0, 1, 1, 1]
inverse_mask = tf.cast(tf.math.logical_not(indices_array), tf.int32)
# [2, 4, 0, 11, 3, 8, 0, 19, 11, 7]
input_array_zero_out = tf.multiply(inverse_mask, input_array)
# [2, 4, 10, 11, 3, 8, 20, 19, 11, 7]
output = tf.add(input_array_zero_out, tf.cast(scatter, tf.int32))