Python 按常数因子缩放张量中的行集

TL；DR如何将张量的一部分缩放2（tf列表中的行索引）

---

详情：

索引行ID的索引

：存储行ID的列表

Tensor（“挤压：0”，dtype=int64，device=/device:GPU:0）

[1,4,5,6,12]

emb\u inputs=tf.nn.embedding\u查找（embedding，self.all\u行）

#带形状的张量（批量大小=4，全行长度，emb大小=128）

因此，对于每个

self.all\u行

，将评估

emb\u输入

面临的问题/挑战：我需要将

emb\u输入按
2.0
进行缩放，以缩放
索引中提到的每一行\u id
。
我尝试过各种拼接方法，但似乎没有找到一个好的解决方案。有人能建议吗？谢谢

注意：Tensorflow的初学者可以尝试以下方法：

SCALE = 2
emb_inputs = ...
indices_of_scaling_ids = ...
emb_shape = tf.shape(emb_inputs)
# Select indices in boolean array
r = tf.range(emb_shape[1])
mask = tf.reduce_any(tf.equal(r[:, tf.newaxis], indices_of_scaling_ids), axis=1)
# Tile the mask
mask = tf.tile(mask[tf.newaxis, :, tf.newaxis], (emb_shape[0], 1, emb_shape[2]))
# Choose scaled or not depending on indices
result = tf.where(mask, SCALE * emb_inputs, emb_inputs)

这是纯粹的美！非常感谢。给我几分钟试试，我试了几个小时才成功。你能评论一下如何用这个来修复这个错误吗？非常感谢！另外，元素在第二个索引编号列表上的三维矩阵缩放比通常更难，因为轴参数也不适用，掩蔽也更复杂out@VishalAnand我懂了，最初的代码对我有用，但可能这取决于TensorFlow的版本，它是否只支持在
tf.where
中为第一维度提供数组。我已经在代码中添加了一个平铺，看看它是否适合你。终于让它工作了！对答案进行了一次小的编辑（迭代第二个索引，第一个索引指的是批号）。再次感谢@维沙兰感谢你的修复，我误读了一些问题，很抱歉造成混乱。