tf.tensor_scatter_nd_add函数确实起作用了

Question

我想在张量的第一维中插入两个新值矩阵，我使用的是tensor_scatter_add方法，但是它给了我一个错误。

indices = tf.constant([[0], [2]])
updates = tf.constant([[[5, 5, 5, 5], [6, 6, 6, 6],
                        [7, 7, 7, 7], [8, 8, 8, 8]],
                       [[5, 5, 5, 5], [6, 6, 6, 6],
                        [7, 7, 7, 7], [8, 8, 8, 8]]])
tensor = tf.ones([4, 5, 4])
updated = tf.tensor_scatter_add(tensor, indices, updates)
with tf.Session() as se:
  print(ses.run(scatter))

Answer 1

只要更正这些行，您就会错误地输入这些代码，这就解决了代码中的问题：

tensor = tf.ones([4, 4, 4])
updated = tf.tensor_scatter_add(tensor, indices, updates)
with tf.Session() as se:
  print(se.run(scatter))

Answer 2

tensor的内部二维必须与updates的内部二维相匹配。Dimension 0 in both shapes must be equal, but are 5 and 4。

tensor必须与updates具有相同的dtype，但在代码中不同。

在以下方面存在错误：

with tf.Session() as se:
  print(ses.run(scatter))

您将tf.Session()化名为se，但是调用ses而不是se，并将其传递给ses.run()，但它在任何地方都没有定义；se.run(updated)应该是正确的函数调用。

带有代码修复的片段：

这对你来说应该很好。

indices = tf.constant([[0], [2]])
updates = tf.constant([[[5, 5, 5, 5], [6, 6, 6, 6],
                        [7, 7, 7, 7], [8, 8, 8, 8]],
                       [[5, 5, 5, 5], [6, 6, 6, 6],
                        [7, 7, 7, 7], [8, 8, 8, 8]]])
tensor = tf.ones([4, 4, 4], dtype=tf.int32)
updated = tf.tensor_scatter_nd_add(tensor, indices, updates)
with tf.Session() as se:
  print(se.run(updated))