Python 如何访问Tensorflow张量的各个元素？

我正在用Keras编写一个模型，其中一个层的输出为我提供了一个我想应用于图像输入的掩模的坐标。问题是我找不到任何方法来做到这一点，如果您不在会话中，像

tf.slice（）

这样的方法就不起作用

我想做与此等效的工作：

x=dense(2)(x)
A=np.zeros((224,224, 3)) or K.zeros((224,224,3))
x=int(x)
A[x[0],x[1],:]=1

---

其中x来自前面的层，并在所示的层（keras的密集层）中重新分配，输出是两个数字，表示图片中的位置，然后我创建一个掩码，该掩码与输入相乘（输入未显示），我需要两者，使层的输出为整数，然后使用它在位置（x[0]，x[1]）处向掩模A添加一个（以及其他的），但只要有一个就足以知道方法。

只是一些澄清：此处导入的Keras层类型“稠密”吗？x是输入（值，另一层），然后将其重新分配给变量x？也许对预期的输出或内联注释进行更多描述会有所帮助。我很难理解您对此处提供的源代码的期望。感谢您的注释，我将澄清它似乎从未编译或评估过您构建的模型。不是吗第一行中的x仍然是张量？您需要提供该张量，它是填充缺少的占位符的预期输入。您是否有一些示例值x（在您共享的代码块之前）来确定缺少的占位符值？在keras中，您创建了一个“模型”我相信占位符都在API中，你从来没有明确提到过它们，x是模型的输入，我不知道它是如何工作的，但它是一个转换成Keras张量的numpy数组。层只接受以前层的输出，所有Keras张量。我相信x是占位符，因为你从来没有编译后，在训练模型之前给它一个值。是的，我很熟悉。我想我不知道你想做什么。你是想在网络中的某个地方添加遮罩，然后在过滤后的图像上叠加其他层吗？还是想获得输出，应用遮罩，然后在某个时候使用过滤后的图像还有别的吗？