Python 根据条件更改tensorflow张量的值

我试图重新创建我在tensorflow中编写的numpy代码片段，但我正在努力找到正确/最佳的tensorflow操作

考虑以下numpy解决方案：

import numpy as np

# Initialize a random numpy array:
my_dummy = np.random.random((6, 2, 2, 10))
print(my_dummy)

> [[[[0.6715164  0.58915908 0.36607568 0.73404715 0.69455375 0.52177771
      0.91810873 0.85010461 0.37485212 0.35634401]
     [0.55885052 0.13041019 0.89774818 0.3363019  0.66634638 0.32054576
      0.46174629 0.59975141 0.02283781 0.02997967]]

      ....

                                                                   ]]]]

# Create random floats, based on channel 0 of my dummy:
random_floats = np.random.random(my_dummy.shape[0])
print(random_floats)

> [0.89351759 0.76734892 0.36810602 0.08513434 0.65511941 0.61297472]

# Create a mask with ones and a shape based on my_dummy:
my_mask = np.ones((my_dummy.shape[0], 1, 1, my_dummy.shape[-1]))
print(my_mask)

> [[[[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]]]


  [[[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]]]


  [[[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]]]


  [[[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]]]


  [[[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]]]


  [[[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]]]]

# Initialize a rate parameter:
my_rate = 0.5

# Based on my_rate, change the array accordingly:
my_mask[my_rate > random_floats] = [1, 0, 1, 0, 1, 0, 1, 0, 1, 0]
print(my_mask)

[[[[1. 0. 1. 0. 1. 0. 1. 0. 1. 0.]]]


 [[[1. 0. 1. 0. 1. 0. 1. 0. 1. 0.]]]


 [[[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]]]


 [[[1. 0. 1. 0. 1. 0. 1. 0. 1. 0.]]]


 [[[1. 0. 1. 0. 1. 0. 1. 0. 1. 0.]]]


 [[[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]]]]

# Multiply my_dummy with the new mask:
np.multiply(my_dummy, my_mask)

array([[[[0.6715164 , 0.58915908, 0.36607568, 0.73404715, 0.69455375,
          0.52177771, 0.91810873, 0.85010461, 0.37485212, 0.35634401],
         [0.55885052, 0.13041019, 0.89774818, 0.3363019 , 0.66634638,
          0.32054576, 0.46174629, 0.59975141, 0.02283781, 0.02997967]],

        [[0.22358676, 0.74959561, 0.11109368, 0.56021714, 0.2767754 ,
          0.55156506, 0.15488703, 0.25738564, 0.18588607, 0.57593545],
         [0.15804289, 0.87858207, 0.12890992, 0.78828551, 0.52467083,
          0.45117698, 0.2605117 , 0.46659721, 0.855278  , 0.29630581]]],


       [[[0.381445  , 0.        , 0.48308211, 0.        , 0.5136352 ,
          0.        , 0.84428703, 0.        , 0.20532641, 0.        ],
         [0.696645  , 0.        , 0.84184568, 0.        , 0.01369105,
          0.        , 0.27683334, 0.        , 0.59356542, 0.        ]],

        [[0.5281193 , 0.        , 0.82336821, 0.        , 0.63435181,
          0.        , 0.12824084, 0.        , 0.35045286, 0.        ],
         [0.02205884, 0.        , 0.22927706, 0.        , 0.45538199,
          0.        , 0.81220918, 0.        , 0.46427429, 0.        ]]],


         .....

                                                                   ]]]])

在tensorflow中，我做到了这一点（警告，许多导入，我尝试了很多东西，但不再确定是否所有这些都是必要的，只是想确保您可以立即复制）：

不幸的是，我被困在这里了。我没有找到一种方法来根据速率值更改my_mask Tensor对象中的条目。我试过的一件事是tf。在哪里：

tf.where(rate > random_floats, my_mask, tf.constant([1, 0, 1, 0, 1, 0, 1, 0, 1, 0], dtype = my_dummy.dtype))

但是得到错误：

ValueError: Shapes must be equal rank, but are 4 and 1 for 'Select_1' (op: 'Select') with input shapes: [6], [6,1,1,10], [10].

---

感谢您的建议/帮助：）

在tensorflow中基本相同。为方便起见，使用较小的形状数据显示：

将tensorflow导入为tf
赋值=tf.常数（[[1,0,1,0,1.]）
速率=tf常数（.5）
虚拟=tf.随机_法线（形状=（4,1,1,5））
#随机浮点数=tf.random\u normal（形状=（tf.shape（虚拟）[0]，）
随机浮点数=tf.常数（[0.4,0.6,7,2]）随机浮点数）
平铺=tf.tile（值分配给，
倍数=[tf.shape（index）[0]，1]）[：，tf.newaxis，tf.newaxis，：]
掩码=tf.散射和更新（掩码，
指数=指数，
更新=平铺）
res=面具*假人
使用tf.Session（）作为sess：
sess.run（tf.global\u variables\u initializer（））
打印（‘掩码’）
打印（sess.run（掩码））
打印（'DUMMY'）
打印（sess.run（虚拟））
打印（'结果'）
打印（sess.run（res））

ValueError: Shapes must be equal rank, but are 4 and 1 for 'Select_1' (op: 'Select') with input shapes: [6], [6,1,1,10], [10].

MASK
[[[[1. 0. 1. 0. 1.]]]


 [[[1. 1. 1. 1. 1.]]]


 [[[1. 1. 1. 1. 1.]]]


 [[[1. 0. 1. 0. 1.]]]]
DUMMY
[[[[-1.2031308  -1.6657363  -1.5552464   0.8540495   0.37618718]]]


 [[[-0.4468031   0.46417323 -0.3764856   1.1906835  -1.4670093 ]]]


 [[[ 1.2066191  -1.4767337  -0.9487017  -0.49180242 -0.33098853]]]


 [[[-0.1621628   0.61168176  0.10006899  0.7585997  -0.23903783]]]]
RESULT
[[[[ 1.7753109   0.         -0.5451439  -0.         -0.53782284]]]


 [[[ 0.08024058 -1.8178499   1.183356    1.0895957  -0.9272436 ]]]


 [[[-0.5266396  -2.0316153  -1.0043124  -1.1657876   0.6106227 ]]]


 [[[-0.46503183  0.          0.01983969 -0.          0.58563703]]]]