Python TensorFlow 2：如何使用散射函数？

我正在努力理解TensorFlow中的散射函数。例如，我想从第二个索引使用

tf.compat.v1.scatter\u sub

to sub，如下所示：

a = tf.Variable(tf.random.uniform(shape=[2]))
b = tf.Variable(tf.random.uniform(shape=[3, 2]))

WARE

a

goes：

<tf.Variable 'Variable:0' shape=(2,) dtype=float32, numpy=array([0.62174237, 0.7431344 ], dtype=float32)>

<tf.Variable 'Variable:0' shape=(3, 2) dtype=float32, numpy=
array([[0.01709783, 0.72348535],
       [0.48500955, 0.7092271 ],
       [0.62199426, 0.26062095]], dtype=float32)>

我想从

b

的第二行减去

a

，这样我就可以做到：

array([[0.01709783, 0.72348535 ],
       [-0.13673282, -0.0339073],
       [0.62199426, 0.26062095]], dtype=float32)>

我认为

tf.compat.v1.scatter\u sub（b[1]，a）

必须工作，但失败了。我试着把

转换成
，但也失败了。完全错误如下：

InvalidArgumentError                      Traceback (most recent call last)
<ipython-input-37-90775abdb544> in <module>()
      9 print("------------------------")
     10 
---> 11 tf.compat.v1.scatter_sub(b, [1], a)

3 frames
/usr/local/lib/python3.6/dist-packages/tensorflow/python/ops/state_ops.py in scatter_sub(ref, indices, updates, use_locking, name)
    535   return ref._lazy_read(gen_resource_variable_ops.resource_scatter_sub(  # pylint: disable=protected-access
    536       ref.handle, indices, ops.convert_to_tensor(updates, ref.dtype),
--> 537       name=name))
    538 
    539 

/usr/local/lib/python3.6/dist-packages/tensorflow/python/ops/gen_resource_variable_ops.py in resource_scatter_sub(resource, indices, updates, name)
   1077     try:
   1078       return resource_scatter_sub_eager_fallback(
-> 1079           resource, indices, updates, name=name, ctx=_ctx)
   1080     except _core._SymbolicException:
   1081       pass  # Add nodes to the TensorFlow graph.

/usr/local/lib/python3.6/dist-packages/tensorflow/python/ops/gen_resource_variable_ops.py in resource_scatter_sub_eager_fallback(resource, indices, updates, name, ctx)
   1095   _attrs = ("dtype", _attr_dtype, "Tindices", _attr_Tindices)
   1096   _result = _execute.execute(b"ResourceScatterSub", 0, inputs=_inputs_flat,
-> 1097                              attrs=_attrs, ctx=ctx, name=name)
   1098   _result = None
   1099   return _result

/usr/local/lib/python3.6/dist-packages/tensorflow/python/eager/execute.py in quick_execute(op_name, num_outputs, inputs, attrs, ctx, name)
     58     ctx.ensure_initialized()
     59     tensors = pywrap_tfe.TFE_Py_Execute(ctx._handle, device_name, op_name,
---> 60                                         inputs, attrs, num_outputs)
     61   except core._NotOkStatusException as e:
     62     if name is not None:

InvalidArgumentError: Must have updates.shape = indices.shape + params.shape[1:] or updates.shape = [], got updates.shape [2], indices.shape [1], params.shape [3,2] [Op:ResourceScatterSub]

InvalidArgumentError回溯（最近一次调用上次）
在（）
9打印（“---------------------------”）
10
--->11 tf.compat.v1.scatter_sub（b[1]，a）
3帧
/usr/local/lib/python3.6/dist-packages/tensorflow/python/ops/state_ops.py in scatter_sub（参考、索引、更新、使用锁定、名称）
535返回ref._lazy_read（gen_资源_变量_ops.资源_分散_sub（#pylint:disable=受保护访问
536参考手柄，索引，运算转换为张量（更新，参考数据类型），
-->537名称=名称）
538
539
/usr/local/lib/python3.6/dist-packages/tensorflow/python/ops/gen\u resource\u variable\u ops.py位于resource\u scatter\u sub（资源、索引、更新、名称）
1077尝试：
1078返回资源\u分散\u子\u紧急\u回退(
->1079资源，索引，更新，name=name，ctx=\u ctx）
1080除核心符号外例外：
1081通过#将节点添加到TensorFlow图。
/usr/local/lib/python3.6/dist-packages/tensorflow/python/ops/gen_resource_variable_ops_ops.py在resource_scatter_sub_earge_earge_fallback中（资源、索引、更新、名称、ctx）
1095 _attrs=（“数据类型”、“属性类型”、“小游戏”、“小游戏”）
1096 _result=_execute.execute（b“ResourceScatterSub”，0，inputs=_inputs\u flat，
->1097 attrs=_attrs，ctx=ctx，name=name）
1098_结果=无
1099返回结果
/快速执行中的usr/local/lib/python3.6/dist-packages/tensorflow/python/eager/execute.py（op_name、num_output、input、attrs、ctx、name）
58 ctx.确保_已初始化（）
59张量=pywrap\u tfe.tfe\u Py\u Execute（ctx.\u句柄、设备名称、操作名称、，
--->60个输入、属性、数量输出）
61除堆芯外，其他状态除外，如e：
62如果名称不是无：
InvalidArgumentError:必须有updates.shape=index.shape+params.shape[1]或updates.shape=[]，获得updates.shape[2]，index.shape[1]，params.shape[3,2][Op:ResourceScatterSub]

使用此功能的正确方法是什么？
您看过这里的文档了吗

Args：


指数

张量。必须是以下类型之一：int32、int64。指数张量
更新

张量。更新以分散到输出中
形状
张量。必须具有与索引相同的类型。1-D.结果张量的形状
名称

操作的名称（可选）
我明白了。问题是更新（这里是
a
）假设是一个多个更新的列表，但这里我只给出了向量
a
本身，而不是只包含
a
的列表

现在我应该将
a
扩展一个维度。我的意思是
a
现在是
[0.62174237，0.7431344]
，我应该把它改成
[[0.62174237，0.7431344]
，我可以通过
tf来实现

因此，解决方案是：

tf.compat.v1.scatter_sub(b, [1], tf.expand_dims(a, axis=0))

是的，我知道，但我不明白。我想我在这方面有点懒。根据我的理解，tf.compat.v1.scatter\u sub（b[2]，a）
应该可以工作。这是tensorflow的实际文档。我不确定b和a的值是什么，但如果您想查看此处的注释，可能会有所帮助：