Tensorflow 如何根据形状为[5,4,3]的张量生成[1,1,1]？

我想应用操作tf.tile，例如tf.tile（A[1,1,b]），其中A具有形状[5,4,3]。如何根据A生成[1,1,1]？然后我将[1,1,1]的第三个元素设置为b，其中b是占位符。 这是我的代码，但它不工作，如何修复它

d = tf.shape(A)
for i in range(tf.rank(A)):   #wrong, tf.rank(A) as a tensor can't be here
    d[i] = 1
d[2] = b
result = tf.tile(A, d)

---

最简单的解决方案可能是使用

tf.one\u hot

直接构建你的

倍数

张量

>>> b = 2
>>> tf.one_hot(indices=[b], depth=tf.rank(A), on_value=b, off_value=1)
<tf.Tensor: shape=(3,), dtype=int32, numpy=array([1, 1, 2], dtype=int32)>

请注意，在tensorflow中，您不能在张量上进行项目分配（例如，

d[2]=b

将不起作用）。要生成张量

[1,1，b]

，可以使用

tf.concat

：

>>> b = 2
>>> tf.concat([tf.ones_like(tf.shape(A)[:-1]),[b]],axis=0)
<tf.Tensor: shape=(3,), dtype=int32, numpy=array([1, 1, 2], dtype=int32)>

>b=2
>>>concat（[tf.one_like（tf.shape（A）[：-1]），[b]]，轴=0）

谢谢。实际上，b的位置是任意的，所以我必须将所需的张量[1，1，…，b，…，1]切割成3段，并将其浓缩？你可以这样做，或者你可以使用

tf创建一个掩码。例如，one_hot

。使用one_hot，所需的张量可以创建为tf.one_hot（索引=[b_location]，深度=tf.rank（a），on_值=b，off_值=1）.说得好，我错过了。让我更新我的答案。参数“index”设置为b的位置，而不是b本身。

>>> b = 2
>>> tf.concat([tf.ones_like(tf.shape(A)[:-1]),[b]],axis=0)
<tf.Tensor: shape=(3,), dtype=int32, numpy=array([1, 1, 2], dtype=int32)>