Python 如何索引张量并更改其值

我正在使用

tensorflow

开发一个算法。 以下是所需代码的

NumPy

版本：

x=[1,2,3,4,5,6,7,8,9,10]
集合={1,5,7}
y=[0,0,0,0,0,0,0,0,0,0]
对于范围（10）内的i：
如果我是成套的：
y[i]=x[i]

结果如下：

y = [0,2,0,0,0,6,0,8,0,0]

如何在tensorflow中实现这一点？

---

在

tensorflow

中，有没有办法使用相同的逻辑实现这一点，不是在计算后将

NumPy

数组转换为张量，而是使用张量进行所有操作（例如，使用张量对张量进行索引，如果索引在集合中，则通过x（张量）分配其值）.

我不太明白你的问题。但这是我认为你需要的。可以使用以下命令将numpy数组转换为张量

test_array = np.array([1,2,3,4])
random1_array = tf.convert_to_tensor(test_array)

如果您不想使用numpy并将其转换为张量，这里有另一种方法

test_array = tf.Variable([1,2,3,4])
test_array_2 = tf.Variable([5,6,7,8])
 

现在你可以做各种计算，比如加、减等。

---

就像使用numpy数组一样。

在TensorFlow中可以这样做：

将tensorflow导入为tf
x=tf.常数（[1,2,3,4,5,6,7,8,9,10]）
集合=tf.常数（[1,5,7]）
y=tf.常数（[0,0,0,0,0,0,0,0,0]）
y2=tf.tensor\u scatter\u ndu update（y，tf.expand\u dims（集合，1），tf.gather（x，集合））
打印（y2.numpy（））
# [0 2 0 0 0 6 0 8 0 0]

如果您的

y

始终由零组成（即，您只想“填充”由

set

给定的位置），则您可以执行以下操作：

将tensorflow导入为tf
x=tf.常数（[1,2,3,4,5,6,7,8,9,10]）
集合=tf.常数（[1,5,7]）
y2=tf.scatter\u nd（tf.expand\u dims（集合，1），tf.gather（x，集合），tf.shape（x））
打印（y2.numpy（））
# [0 2 0 0 0 6 0 8 0 0]

作为一种替代方法，您也可以通过掩蔽来实现，尽管我认为它不应该更快：

将tensorflow导入为tf
x=tf.常数（[1,2,3,4,5,6,7,8,9,10]）
集合=tf.常数（[1,5,7]）
y=tf.常数（[0,0,0,0,0,0,0,0,0]）
s=tf.shape（x，out\u type=set.dtype）
mask=tf.math.reduce_any（tf.equal（tf.range（s[0]），tf.expand_dims（set，1）），0）
y2=tf.where（掩码，x，y）
#或者，如果y始终为零：
#y2=x*tf.dtypes.cast（掩码，x.dtype）
打印（y2.numpy（））
# [0 2 0 0 0 6 0 8 0 0]

我不明白你在问什么。您的代码似乎工作正常。@Hoppo他的代码正常。他在问如何在tensorflow中做同样的事情…我知道有一种方法可以使用convert_to_tensor，有没有什么方法可以用tensor的方式来计算，而不是用numpy计算后再转换？谢谢