Sorting 如何在TensorFlow中操作具有动态维数的二维张量中的某些元素

我有一个形状为（m，n）的二维张量a，但m和n是未知的。e、 g.A=[[1,2,3]，[4,5,6]]，这里m=2，n=3。在我的操作之后，我想得到B=[[1,20,3]，[4,5,60]]。操作如下：

1） 按降序排列所有元素：6,5,4,3,2,1

2） 选择6，表示第2行和第3列已被占用

3） 跳过5、4和3，因为第2行或第3列已被占用

4） 选择2，因为第1行和第2列未被占用

5） 停止，因为所有行都已被占用（对于所有列也是如此）

---

6） 精选元素*10

与朋友讨论后得到答案：

A=A-tf.reduce_min(A)
mask=A*0

def body(x,mask):
 a=x-tf.reduce_max(x)
 a=tf.sign(a)+1
 mask=mask+a
 where = tf.equal(x, tf.reduce_max(x))
 indices = tf.where(where)
 indices = tf.cast(indices, "int32")
 col_slice=tf.slice(x, [0, indices[0][1]], [-1, 1])
 col_slice=col_slice-tf.reduce_max(col_slice)
 col_slice=-tf.sign(col_slice)
 col_slice = tf.reshape(col_slice, [-1])
 b=tf.matmul(tf.diag(col_slice),x)
 row_slice=tf.slice(x, [indices[0][0],0], [1,-1])
 row_slice=row_slice-tf.reduce_max(row_slice)
 row_slice=-tf.sign(row_slice)
 row_slice=tf.reshape(row_slice,[-1])
 c=tf.matmul(b,tf.diag(row_slice))
 return (c,mask)

def cond(x,mask):
 return tf.greater(tf.reduce_sum(x),0)

_,final_mask=tf.while_loop(cond, body,(A,mask))
final_mask=final_mask*9+1
B=A*final_mask