在 Tensorflow 中将张量插入更大的张量

Question

我正在使用 Tensorflow 1.15 我有一个张量，其中包含一个形状为 (Batchsize Width Height*3)的图像

我有一个大小为 Batchsize*50*50*3 的补丁 我想在原始图像中指定插入补丁的位置。但为了更简单，假设我有一个包含 10 个元素的一维数组，并且想要替换给定索引处的单个值。开头看起来像这样。

sess = tf.Session()

array = tf.placeholder("float32",[10]) # for easier explanation a 1d array 

variable = tf.get_variable(name=var,shape=[1],intializer=init) # This variable should replace the value

index = tf.placeholder("int32",[1]) # the value on this index should be replaced

# Here The value of the image tensor at place index should be replaced with the variable

in_dict = {image: np.zeros([10],dtype="float")

           index: 4}

sess.run(...,feed_dict=in_dict)

tf.where 需要两个大小相同的张量，但我的变量和数组的大小不同。

Answer 1

你可以用一个填充的更小的张量来做到这一点。import tensorflow as tfimport numpy as npx = tf.placeholder(tf.float32, [10])x_sub = tf.placeholder(tf.float32, [2])idx = tf.placeholder(tf.int32, ())def assign_slice(x, y, idx):  '''return x with x[r:r+len(y)] assigned values from y'''  x_l = x.shape[0]  y_l = y.shape[0]  #pad the smaller tensor accordingly with shapes and index using NaNs  y_padded = tf.pad(y, [[idx, x_l-y_l-idx]], constant_values=float('NaN'))  #if value in padded tensor is NaN, use x, else use y  return tf.where(tf.is_nan(y_padded), x, y_padded)y = assign_slice(x, x_sub, idx)with tf.Session() as sess:  print(sess.run(y, feed_dict={x:np.ones([10]), x_sub:np.zeros([2]), idx:2}))这应该打印[1. 1. 0. 0. 1. 1. 1. 1. 1. 1.]。另一种方法可能是用掩码提供相同大小的张量，即： out = x * mask + y * (1-mask)