Python 计算线性指数Tensorflow

下午好。 我仍然存在通过索引更新tensorflow中的随机元素的问题。 我想随机选择索引（例如，所有索引的一半），然后将对应于该索引的元素设置为零。 以下是有问题的部分：

with tf.variable_scope("foo", reuse=True):
    temp_var = tf.get_variable("W")
    size_2a = tf.get_variable("b")
    s1 = tf.shape(temp_var).eval()[0]
    s2 = tf.shape(size_2a).eval()[0]


    row_indices = tf.random_uniform(dtype=tf.int32, minval=0, maxval = s1 - 1, shape=[s1]).eval()
    col_indices = tf.random_uniform(dtype=tf.int32, minval=0, maxval = s2 - 1, shape=[s2]).eval()

    ones_mask = tf.ones([s1,s2])

    # turn 'ones_mask' into 1d variable since "scatter_update" supports linear indexing only
    ones_flat = tf.Variable(tf.reshape(ones_mask, [-1]))

    # no automatic promotion, so make updates float32 to match ones_mask
    updates = tf.zeros(shape=(s1,), dtype=tf.float32)


    # get linear indices
    linear_indices = row_indices*s2 + tf.reshape(col_indices,s1*s2)
    ones_flat = tf.scatter_update(ones_flat, linear_indices/2, updates) 
    #I want to set to zero only half of all elements,that's why linear_indices/2

    # convert back into original shape
    ones_mask = tf.reshape(ones_flat, ones_mask.get_shape())

它给了我ValueError:无法用10个元素重塑一个张量来塑造[784,10]（7840个元素）为输入形状为[10]，[2]的“foo_1/重塑_1”（op:“重塑”），但我不知道如何在这里不重塑（我试图重塑为s1和s2，没有用）

---

我已经读过这些主题：（feed_dict在我的案例中似乎不起作用），实际上stackoverflow=（

你能不能对它进行一点声音分析？-对不起，我无法抗拒；更严重的是：最后五行中的重塑在我看来是可疑的（大小似乎与您在创建

列索引时使用的大小不匹配；奇怪的是，错误消息看起来并不正确。也许您可以在该代码块名称中指定重塑操作，这样错误将更容易处理。）map@PaulPanzer，它不应该匹配，
col_index
已经有了s2的形状，从逻辑上看，我如果行索引具有形状s1并乘以s2，那么我应该相应地重塑列索引。但是如果我编写
tf.reformate（列索引[s1]）
，我会得到值错误：无法将具有10个元素的张量重塑为具有输入形状[10]，[1]的“foo_1/reformate_1”（op:'reformate'）的形状[784]（784个元素）.Aggr我真的不明白如何计算这个线性指数。如果我没有完全弄错的话，那么tf的形状逻辑与numpy的形状逻辑非常相似，至少在numpy中，你不能用整形来改变元素的总数（=形状的乘积）。例如，x具有形状（n1，n2）合法性：x.整形（n2，n1），x.整形（n1*n2）但是：不起作用：x.重塑（n2）x.重塑（n1+n2）等等。你到底想实现什么？像（r1y，r1x）（r1y，r2x）（r2y，r1x）（r2y，r2x）或像（r1y，r1x）（r2y，r2x）（r3y，r3x）（r4y，r4x）这样的网格状随机坐标系？@PaulPanzer，谢谢。我想要散射更新（）为了正常工作，我猜是后者。哇，线性指数意味着有一维张量，而不是二维张量。如果你的意思是在所有这些展平之前，是的，分散。好的，如果你想在矩形上均匀分布，你把矩形分成一个长向量，你会在向量上得到均匀分布，因此没有必要这样做按坐标进行坐标变换，然后将它们组合起来。直接操作
maxval=s1*s2
（您来自matlab，不是吗？在python中，约定包括下限，不包括上限，因此没有负一）和形状（int（s1*s2*france），（注意逗号），其中france是要更新的位置的分数