python – TensorFlow中的张量值的条件分配
发布时间:2020-12-20 10:34:18 所属栏目:Python 来源:网络整理
导读:我想在tensorflow中复制以下numpy代码.例如,我想为之前值为1的所有张量索引分配0. a = np.array([1,2,3,1])a[a==1] = 0# a should be [0,0] 如果我在tensorflow中编写类似的代码,我会收到以下错误. TypeError: 'Tensor' object does not support item assign
我想在tensorflow中复制以下numpy代码.例如,我想为之前值为1的所有张量索引分配0.
a = np.array([1,2,3,1]) a[a==1] = 0 # a should be [0,0] 如果我在tensorflow中编写类似的代码,我会收到以下错误. TypeError: 'Tensor' object does not support item assignment 方括号中的条件应该是任意的,如[a <1] = 0. 有没有办法在tensorflow中实现这种“条件赋值”(缺少一个更好的名字)? 解决方法
0700在TensorFlow API中可用.
但是,在直接操作张量时,没有什么能比得上简洁的NumPy语法.您必须使用单独的比较,其中和分配运算符以执行相同的操作. 您的NumPy示例的等效代码是: import tensorflow as tf a = tf.Variable( [1,1] ) start_op = tf.global_variables_initializer() comparison = tf.equal( a,tf.constant( 1 ) ) conditional_assignment_op = a.assign( tf.where (comparison,tf.zeros_like(a),a) ) with tf.Session() as session: # Equivalent to: a = np.array( [1,1] ) session.run( start_op ) print( a.eval() ) # Equivalent to: a[a==1] = 0 session.run( conditional_assignment_op ) print( a.eval() ) # Output is: # [1 2 3 1] # [0 2 3 0] print语句当然是可选的,它们只是用于演示代码是否正确执行. (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |