我一直在尝试使用tf.scatter_update进行N维更新(在tf.scatter_nd由于形状不匹配而失败之后)。通常,它们将用于创建过滤传入张量的切片的掩码。假设输入张量A是形状(批,i,j,k(深度))。我只对修改i,j值( all k和all b )感兴趣。AttributeError:“张量”对象没有属性“_lazy_read”
我已经通过Python脚本、Python和/不急于执行的方式尝试了这一点。输入绝对必须是张量,因为其思想是在一系列操作中稀疏地更新
,vocab_size_1中的条目应该指向该索引。下面是一个例子: # Our mapping file of shape [num_topics=2, vocab_size_1=2]
mapping = [[0, 2], [1, 3]] # ie.如果我理解正确,那么我可以结合使用tf.scatter_nd和tf.meshgrid来生成适当的映射: # In this example the indices tensor should look, 3] vocab=1] topic=1] b=0] i