Python 使用tf.scatter_nd（idx，update，shape），shape具有动态分配的值

我想在某个索引处更新向量中的值。我发现我可以做我想做的事。但是我正在批处理这个操作，这样我就有了一个数组

batch\u size*5

，其中每一行都是我要更新的大小为5的向量。我的批处理大小是在运行时确定的

在使用时，shape参数采用一个张量，它是要生成的张量的形状。但是，如果第一个维度是在运行时确定的（例如，如果它是批大小），那么我会得到一个错误：

TypeError: Input 'shape' of 'ScatterNd' Op has type int32 that does not match type int64 of argument 'indices'.

此错误实际上是由于形状变量的值为：[None，5]。ie生成一个大小为

batch\u size*5

的张量，用大小更新

batch\u size

并使用大小“batch\u size”的标记进行更新

---

如何在动态分配的空间上正确使用tf.scatter\u nd（）

您可以使用动态形状，例如

tf.shape（）

看看代码：

import tensorflow as tf 
import numpy as np

inputs = tf.placeholder(tf.int32, shape=[None, 5])

new_inputs = tf.scatter_nd(indices=[[0], [2]], 
                           updates=[[1,1,1,1,1], [1,1,1,1,1]],
                           shape=tf.shape(inputs))

with tf.Session() as sess:
    _new_np = sess.run(new_inputs, feed_dict={inputs: np.zeros([4, 5])})
print(_new_np)

---

这是你想要的吗

你试过投吗：tf.cast（var，tf.int32）不，我没有。但是你能将None类型转换为int32吗？int64中的不是维度，而是张量中的元素，所以你可以转换它并解决这个错误。如下所示：tf.scatter\u nd（tf.cast（index，tf.int32），…）我遇到的错误不是indicies参数，而是shape参数。张量中的一个元素是None，因为张量包含scatter\u nd（）输出的形状。您的错误准确地描述了形状格式和标记格式之间的不匹配。你试过这个方法吗？这个方法有效（即让我通过错误），而且可能是正确的，但我仍在努力让图形编译，如果成功的话，我会标记它。