在Tensorflow中有没有一种有效的方法来选择张量的5个区域？

例如，给定一个形状为[28,28]的张量m

我想用张量随机选择五个区域，每个区域的形状是[3,3]

---

然后，我想修改这些区域的值。

一种解决方案是在循环内随机抽取：

import random
tensor = tf.ones(shape=(28,28))
desired_shape = (3,3)
dim1 = random.randint(0,tensor.shape[0] - desired_shape[0])
dim2 = random.randint(0,tensor.shape[1] - desired_shape[1])
extracted_tensor = tensor[dim1:dim1+desired_shape[0]][:,dim2 + desired_shape[1]]

首先导入随机模块并创建（或使用）张量。设置所需的形状。 然后创建两个随机变量，每个维度一个，并通过子列表提取张量

但是，请记住，在tensorflow中不能像上面所说的那样为张量赋值

要解决这个问题，首先将其转换为numpy数组，更改值并再次将其转换为张量，这样就可以解决您的问题

np_arr = tensor.numpy()
for i in range(5):
    dim1 = random.randint(0,tensor.shape[0] - desired_shape[0])
    dim2 = random.randint(0,tensor.shape[1] - desired_shape[1])
    np_arr[dim1:dim1+desired_shape[0]][:,dim2 + desired_shape[1]] = [1,2,3] # any value

new_tens = tf.convert_to_tensor(np_arr)