tensorflow通过（2d的不同范围）切片列表更改/分配矩阵元素值

我有一个零矩阵（我们可以将其视为图片）：

matrix=tf.zeros（name=“matrix”，shape=（4,5），dtype=tf.int32）

四分体的张量表示这个矩阵上的一些“盒子”（通过左上角和右下角顶点，可能重叠）：

（第一行、第一列、第二行、第二列）

这里，

[第一行：第二行、第一列、第二列]

在

矩阵上形成一个框

问题是：如何使用切片
[第一行：第二行、第一列、第二列]
或其他tensorflow函数，将图片上的所有“装箱值”从
0
分配/更改为
1

更新：

输入：

matrix=tf.zeros（name=“matrix”，shape=（4,5），dtype=tf.int32）

预期输出（通过方框示例
（0,2,3,3）
和
（2,1,3,3）
）：

这可能会有所帮助。但如果没有，你可以澄清你的问题

import tensorflow as tf

tensor = tf.Variable(
    [[0, 0, 1, 1, 0],
     [0, 0, 1, 1, 0],
     [0, 1, 1, 1, 0],
     [0, 1, 1, 1, 0]])


with tf.Session() as sess :
  sess.run( tf.global_variables_initializer() )
  print(sess.run( tf.assign(tensor[0:1,2:3] , [[9]] )))

输出是这样的

[[0 0 9 1 0]
 [0 0 1 1 0]
 [0 1 1 1 0]
 [0 1 1 1 0]]

如果您将最后一行更改为
print（sess.run（tf.assign（张量[0:1,2:4]，[9,9]））

[[0 0 9 9 0]
 [0 0 1 1 0]
 [0 1 1 1 0]
 [0 1 1 1 0]]

当我不能确保作业的左侧在形状上与右侧不匹配时，我会得到这个错误。这应该对你有帮助

切片的l值形状[1,2]与r值形状[1,1]不匹配

示例
print（sess.run（tf.assign（张量[0:2,2:4]，[9,9]，[9,9]]））
prints

[[0 0 9 9 0]
 [0 0 9 9 0]
 [0 1 1 1 0]
 [0 1 1 1 0]]

你能给出输入和输出的例子吗？您可以更新您的问题。非常感谢！我通过指定左右值的维度来解决它们的一致性问题。
[[0 0 9 9 0]
 [0 0 1 1 0]
 [0 1 1 1 0]
 [0 1 1 1 0]]

[[0 0 9 9 0]
 [0 0 9 9 0]
 [0 1 1 1 0]
 [0 1 1 1 0]]